Если вы занимаетесь контекстной рекламой и хотите научиться сводить расходы на рекламу с выручкой, то из этой статьи вы узнаете о 5 основных решениях, которые мы используем в своем агентстве. По трем из них будут представлены пошаговые инструкции, чтобы вы могли внедрить их у себя.
В качестве центра сбора данных мы пробовали ROIStat, Co-magic, Яндекс Метрику, MixPanel, Amplitude. Кроме ROIStat ничего не прижилось, но тем не менее, ниже мы обсудим и альтернативные варианты.
Содержание статьи
Решение 3: Через AmoCRM (или другую)
Для кого
Какие проблемы решает BQ и не решает Google Analytics
Сэмплирование
Реализация
Отчеты
Что делать с этими данными?
Зачем вам это?
Буквально в двух словах о том, как работает аукцион Яндекс Директ, что такое LTV и зачем вам это считать.
Аукцион
Аукцион устроен таким образом, что чем большое кликов вы получаете, тем они дороже, а клики — это возможные лиды, следовательно, чем больше лидов, тем дороже будет каждый последующий лид. Синяя линия — это зависимость количества лидов от их стоимости.
Предположим, вы запустили контекст и получили 20 лидов по 1000 рублей:
Вы мысленно проводите красную линию прибыли и прикидываете, что вам было бы выгодно получать 40 лидов по 2000 рублей, это ваш оптимум:
Вроде все просто, теперь давайте усложним.
Если у вас 3 категории товаров и у каждого своя экономика, то мысленно вы уже все не посчитаете, так как у каждой категории свой оптимум:
Обычно, маркетологи видят такую таблицу и делают выводы о рекламных кампаниях по количеству лидов и их стоимости. Видим, что красная строка имеет очень дорогую стоимость лида 2345 р, а зеленая — дешевую, 380р. Следовательно, мы бы у красной строки охват понижали, чтобы снизить стоимость лида, а у зеленой, наоборот, повышали, чтобы получить больше дешевых лидов.
Но если смотреть по выручке, то красная строка работает в ноль, а зеленая — в минус, то есть ситуация меняется наоборот. При этом верхняя кампания приносит больше всего выручки. Тогда мы зеленую отключаем, а по красной снижаем охват, но все ли верно мы сделали?
Что, если посмотреть окупаемость красной рекламной кампании за период в несколько месяцев? То есть мы берем только тех клиентов, которые пришли с контекстной рекламой в сентябре. Они нам принесли сразу 15800 р. выручки, но потом те же сентябрьские клиенты принесли еще 27, 7 и 3 т.р. в последующие месяцы. Тогда выручка уже 52800, а это выгодно, если для клиента приемлема окупаемость в 3 месяца:
Выходит, есть сегменты, которые окупаются, но не сразу и с ними тоже можно работать.
Скорее всего вы это знаете, но как обычно это работает:
Агентство — Внедряйте CRM, нам нужно смотреть окупаемость, чтобы расти.
Клиент — Да, круто, сделаю.
Прошло полгода.
Агентство — Ну как?
Клиент — Попробовали, не получилось.
Теперь о решениях.
Решение 1: через блокнот
Для кого
- Например, Артем, преподает уроки актерского мастерства, создал посадочную страницу и располагает тестовым бюджетом в 30 000 рублей.
- У него однородный трафик только с контекста, где десяток ключевых слов, и один продукт.
- Ему нужно быстро запуститься и понять окупаемость контекста для его бизнес-модели.
По нашей статистике, для 75% новых проектов контекст не окупается. Наша задача — помочь им быстрее понять это за минимальные вложения, а для этого не нужна CRM. Артему нужно быстро, просто и понятно.
Реализация
Нам нужно вручную собрать все контакты лидов с контекста в таблицу и дать клиенту, чтобы он заполнил ее, то есть посмотрел на контакты и поставил продажи. Для этого покупаем виртуальный номер, чтобы потом выгрузить номера телефонов, с которых поступали звонки, аналогично сохраняем формы и email. Мы можем посчитать расходы на контекст за месяц, количество лидов, прикинуть стоимость лида и сделать такой вот график:
«Артем, ты здесь», он сам наложит его на свою бизнес-модель и даст ответ.
Например, «у меня все лиды окупаются, я и хочу больше».
Все, цикл сквозной аналитики и оптимизации завершен простым решением.
На самом деле, часто ничего не делать — это сложно, так как специалистам нравится усложнять и цепляться за сложные задачи.
Решение 2: Через GS
Для кого
- Валерий Михайлович продает металл в B2B, матерый мужик, бюджет 50-200 тысяч рублей в месяц
- Один менеджер, он же собственник, цикл сделки от одного дня до нескольких недель
- Нужно контролировать окупаемость в разрезе швеллеров, труб, уголков.
- Есть другие каналы рекламы, например, можно тратить на контекст, а лиды — все из SEO
- 3-10 лидов в день, нужно их где-то вести, но не в AmoCRM, так как это сложно. Достаточно раз в пару дней заходить и все фиксировать.
Ему нужна простая таблица, куда будут попадать лиды, а он раз в день или несколько будет ставить там комментарии к сделкам. Кстати, в ROIStat есть аналогичное решение через Google Sheets.
Реализация
Например, источники лидов: чаты, коллтрекинг, email, формы, которые вебхуками передаются в Zapier. Почти все источники лидов умеют отправлять вебхуки, это метод передачи данных:
Zapier — это как бы коннектор, он может принять данные, выполнить простую логику и отправить их куда нужно, а нужно в гугл-таблицу. На скрине ниже — ROIStat, где мы вставляем адрес Zapier, куда будет отправляться вебхук при каждом звонке и попадать в таблицу в качестве новой строки.
Чтобы передать данные в Google Analytics, делаем коннектор, который каждые 5 минут смотрит все строки на предмет изменения колонки Статус, и у строк, где статус изменен на Продано, отправляет данные в Analytics в качестве события.
Отчеты
Данные доступны во всех отчетах Google Analytics, как цели. Мы видим расходы и выручку по каждому каналу.
Специалист сможет с первого дня смотреть обратную связь по комментариям клиента. Эффективность увеличивается не только наличием данных по продажам, но и ускорением процесса получения обратной связи.
Решение 3: Через AmoCRM (или другую)
Для кого
- От предыдущего примера этот отличается тем, что в компании есть несколько менеджеров, поэтому в простой таблице они запутаются.
- Бюджет 200-1000 т.р., в месяц.
- По некоторым категориям товаров окупаемость наступает со второго чека, так как рынок перегрет, например, ритейл, услуги.
- Решение рассмотрим на примере AmoCRM
Реализация
Аналогично через Zapier, только вместо таблицы используем AmoCRM, кодить не нужно, внутри Zapier есть полноценная интеграция с AmoCRM.
Кстати, платформа LPgenerator тоже поддерживает интеграцию с данным сервисом:
Далее, мы закрыли клиента, передали сумму сделки в Analytics, но повторные продажи как правило происходят не в AmoCRM, а во внутренней системе клиента, например 1C.
Для этого в 1C нужно забирать Google Client ID и привязывать к пользователю, у нас в 1C получается такая вот табличка с CID и клиентами.
Далее при повторных продажах отправляем сделки через Post-запросы в Google Analytics.
Отчеты
Отчеты можно смотреть стандартные, но для отслеживания выручки за 3 последующих месяца с рекламных кампаний, нужно смотреть отчет Life time value, он есть в Analytics на скрине.
Чаще всего анализировать окупаемость более 3-х месяцев не нужно, так как клиенты не готовы вкладываться в такие сегменты спроса.
Но если нужно >3 месяцев, то можно через API можно вот такую красоту выгрузить, это когортный анализ за 6 месяцев.
Однако с ростом вы будете понимать, что Google Analytics, это очень деревянный инструмент со множеством косяков.
Решение 4: Через BigQuery
Для кого
На определенном этапе Google Analytics перестает решать ваши задачи, и вам нужно более мощное решение. Например, вы представляете сеть медицинских клиник, представленную более, чем в 10 городах, а ваш бюджет на рекламу составляет от 1 млн. Вы обладаете командой специалистов, устойчивым спросом, у вас есть система и бизнес-модель, которая масштабируется.
Какие проблемы решает BQ и не решает Google Analytics
- Связать оффлайн и онлайн
Сценарии, где пользователь пришел с контекста, а купил в оффлайне — как подсчитать, что контекст принес профит? Это делается через BQ.
Не страшно, если вы не знаете, что это такое — просто еще не сталкивались. Сэмплирование возникает, когда вы анализируете >500 000 сессий.
Например, вы видите отчет в аналитиксе, где уровень сэмплинга 10%, следовательно отчет основан на 10% от 100 сессий. Это значит, что Google Analytics проанализировал 10 сессий, умножил результат на 10 и выдал его в отчете. Насколько объективной будет ваша оценка, если 90% данных не учитываются?
- Автоворонки
Автоворонки — это когда клиент пришел на сайт посмотреть цену билета на самолет, увидел ценник в 10500 рублей и ушел, так как дорого. На следующий день цена была снижена, и ему пришла пришла СМС с предложением цены 6600.
Нужно посчитать LTV в течение нескольких лет, а не 3-х месяцев, для на исследования оттока/возврата постоянных клиентов. Например, если вы включили контекст, и есть заказы, а выключили — и заказов нет, это значит, что вы не растете.
Или включили контекст, выключили, но часть клиентов осталась с вами и они продолжают покупать.
- Канал не приносит новых клиентов
Пойдем еще дальше, вы используете контекстную рекламу, но она не приносит новых клиентов, а только охватывает старых, которые и так бы у вас покупали. Здесь можно сэкономить.
- Собирать данные на будущее для ML
Нужно агрегировать данные из разных источников, например, парсить цены у конкурентов, чтобы понимать, как от них меняется наша конверсия, данные по продажам в оффлайне и повторные продажи из ERP.
Все это в GA не импортировать, он для этого не предназначен. Это уже бизнес-аналитика, где GA — часть пазла, а все данные хранятся в BQ
Отчеты
Но он во всем сложнее, например, если в GA можно все отчеты смотреть через интерфейс, то здесь нужно писать SQL запросы
Что делать с этими данными?
Например, выше посчитана конверсия в зависимости от цены на товар, где видно, что конверсия растет до 4%, когда стоимость товара на 40% ниже рыночной, и наоборот, конверсия падает, когда цена выше рынка. Что мы делаем? Повышаем охват, когда цена ниже рынка, и понижаем, когда цена выше.
Еще пример. У нас есть конкурент А, которого мы не можем победить условиями, и, когда он есть в рекламной выдаче, наша конверсия падает до 3%, а когда его нет, то растет до 6%. Решение — повышаем ставки, когда А есть, и понижаем, когда А нет.
Ну и напоследок несколько кейсов в подтверждение пользы.
Кейс онлайн-сервиса
Название, к сожалению, по НДА, как и у всех интересных кейсов :(
Было 3 сегмента трафика. Когда начали считать LTV, то увидели, что РСЯ не работает, около-целевые запросы работают в ноль и только целевые — в плюс. Следовательно, по целевым повысили охват, РСЯ отключили, а с около-целевыми начали работать по-другому: конвертируем в подписку, потом цепочка взаимодействий.
В итоге, выручка выросла почти в 2 раза при снижении расходов.
Кейс по образованию
Пример образовательного проекта, где мы запустили контекст в июня, а выручки нет, в июле и августе так же, но, потом, в сентябре и октябре клиенты, которые зашли к нам летом, начали возвращаться и покупать. Не собирали бы данные, то не использовали бы контекстную рекламу летом и упустили бы часть рынка.
Заключение
Спасибо, что дочитали до конца! Все решения, кроме BigQuery, разворачиваются за час. Для нас это критично, так как если программист, то сразу 3Х. Делитесь своими решениями.
Евгений Егошин, web-аналитик агентства контекстной рекламы 1jam
