Какой процент ваших оплаченных заказов не фиксируется в веб-аналитике и почему это нужно исправить? Рассказываем, как офлайн-конверсии помогут повысить эффективность рекламы, и как настроить их передачу в Яндекс Директ.
Клиент заказал товар, но не выкупил. Или выкупил, но оплатил в офлайн точке. Как учесть такие случаи в аналитике онлайн рекламы и повысить ее эффективность?
Когда оплата заказа совершается не в онлайне, мы ее в веб-аналитике не видим. То есть пропускаем самую важную часть воронки — это проблема.
Мы в Finepromo на большинстве проектов, где ведем рекламу, настраиваем сквозную аналитику от кликов до продаж. Иначе невозможно масштабироваться — ведь рост количества лидов не означает, что компания стала больше зарабатывать. Лиды могут быть нецелевыми, невыгодными, или просто не доходят до покупки.
В статье разберемся, почему надо видеть все данные по продажам, и в том числе офлайн конверсии. Разберем теорию и кейс, где мы увеличили бюджет в 8 раз, сохранив эффективность.
Содержание статьи
может показаться небольшим. Ну сколько там этих заказов мы пропустим из офлайна? И зачем нам их учитывать в аналитике, деньги-то все равно пришли в карман.
По исследованию Яндекс Маркета и компании GfK Rus, каждый второй покупатель предпочитает оплачивать заказ картой при получении.
В e-commerce между заказом / звонком и оплатой бывает временной лаг. Иногда проходят недели от клика по рекламе до реального получения денег от клиента. Бывают еще возвраты или невыкупы заказов.
Если такова картина в e-commerce, где за время пандемии стало привычно уже оплачивать онлайн, то что и говорить о других тематиках. Автодилеры, недвижимость, рестораны — сделка в точке продаж и с отсроченным решением.
При этом офлайн бизнесы все равно рекламируются в онлайне, но не могут связать посетителей сайта с офлайн конверсиями.
Лид мы можем зафиксировать через сайт, но факт оплаты и сумма в аналитику не передается.
Как быть? Вы отслеживаете заполнение форм и звонки с помощью коллтрекинга. Если при этом отдавать данные по продажам из CRM в в аналитику, то можно оптимизировать рекламу по последнему этапу воронки. По самому важному для бизнеса — по продажам.
А интернет-маркетолог может оптимизировать рекламу под реальные заказы.
Во всех известных рекламных системах предусмотрен импорт конверсий из внешнего источника. Передавать можно как ручной загрузкой файла, так и через API или коннекторы типа Albato.
Углубляться в схему передачи не будем, она подробно описана самими сервисами. Вот ссылки на справки:
Базовое требование — собирать ClienID, он используется для склейки пользователя в веб-аналитике с его офлайн данными. Настроить передачу ClientID при отправке форм или звонке нетрудно, это пара строчек кода, либо пара «галочек» в настройках коллтрекинга или другого сервиса, обеспечивающего связку.
Сайт — это инструмент, который оцифровывает пользователей из офлайна. Поэтому если мы хотим полноценной веб-аналитики, надо стараться привлекать пользователей на сайт. И до заказа, и после.
Отправить пользователя на сайт из офлайна можно, например, с помощью QR-кодов. Мы писали об этом у себя в Телеграме , процитируем тот пост:
— Получить доступ к дополнительному контенту (например, к подробному описанию товара)
— Поучаствовать в программе лояльности
— Оплатить / оставить чаевые
— Оставить / прочитать отзывы
— Сохранить товар в избранное, отправить себе ссылку
— Отследить заказ
— Скачать приложение
— Получить стикерпак
— Сохранить себе контакты
— Проверить подлинность товара
— Заполнить анкету
— Перейти на онлайн визитку
— Узнать адрес офиса
А чтобы получить именно ClientID, можно собирать их на ранней стадии взаимодействия, если это уместно с точки зрения бизнеса. Например, отправка прайса на почту, консультация по телефону может считаться лидом и фиксироваться в CRM как первый шаг воронки.
С этими данными мы обладаем полной информацией для принятия решений. Управляем рекламой от продаж, а не от лидов.
Мы можем настраивать ретаргетинг, на тех, кто:
Можем создавать сегменты и отслеживать отдельно конверсию онлайн и офлайн продаж. Подробнее — ниже в кейсе.
Использовать рекламные стратегии, например «Целевая доля рекламных расходов» в Директе.
Настраивать look-alike по платящей аудитории
Рассказываем на примере проекта, где все транзакции считаются онлайн. Но интегрированных данных именно по продажам у нас на старте не было. Добавили решение, несложное по реализации, помогло вырасти по бюджету в 8 раз, с сохранением рентабельности.
Веб-займ — удобный сервис микрокредитования без справок и поручителей, доступный круглосуточно на всей территории РФ. Предоставляет онлайн займы на доступных условиях более 7 лет.
Мы вели для клиента контекстную рекламу в Яндекс Директе. На старте ориентировались на количество и стоимость заявок в Яндекс Метрике. Плюс получали выгрузки из внутренней системы клиента, чтобы учитывать примерную стоимость займа.
Планировали настройку сквозной аналитики, но нужно было подключать разработчиков со стороны клиента, которые пока были заняты. А задача масштабироваться возникла уже сейчас.
Нас смущали две проблемы:
Чтобы иметь возможность управлять рекламой в разрезе продаж, решили использовать офлайн конверсии Метрики.
Эта задача требовала куда меньше времени, чем настройка полноценной сквозной, и клиент выделил разработчиков.
По нашему ТЗ они настроили сбор ClientID в момент успешно заполненной заявки на сайте в CRM из Метрики.
Когда заявка в CRM переходит в статус выданного займа, и у нее прописан ClientID, дата и время создания заявки, разработчик отправляет ее в Яндекс Метрику с помощью http запроса типа POST.
Теперь никаких выгрузок в экселе, а стабильный поток данных со стороны клиента в Метрику, который мы оттуда забираем и интегрируем в отчетность, так что это по сути сквозная по нашим каналам.
В Метрике появилась информация о первых и повторных займах, притом в разрезе всех доступных группировок. Мы смогли использовать группировки по полу, возрасту и типу устройств, определять эффективные срезы и корректировать рекламные кампании.
Так, мы создали сегмент Метрики на основе данных о займах для корректировок или в отдельного таргетинга
Можем создавать сегменты на основе Яндекс Метрики и импортировать их в Яндекс Аудитории для поиска похожих, использовать новые аудитории в рекламе.
Можем оценивать количество займов с рекламных кампаний по разным моделям атрибуции. Некоторые кампании полезно оценивать по атрибуции первый переход, что не всегда возможно по выгрузке из CRM клиента. Также появилась возможность использовать автостратегии с использованием ключевой цели «первый займ».
Мы построили новую систему внутренней отчетности на основе оффлайн конверсий от клиента, используя API отчетов Яндекс Метрики, для оптимизации рекламных кампаний, перешли на автостратегии в поиске и РСЯ.
С февраля 2020-го по октябрь 2021-го рекламный бюджет увеличили в 8 раз. При этом займов стало больше в 5 раз. Стоимость выданного займа выросла всего в 1,6 раза, что укладывалось в экономику клиента.
Собственно, фишка кейса не сам результат, а именно возможность оптимизировать рекламу на данных о продажах. Если бы мы их не видели в веб-аналитике, то лишились многих полезных возможностей настройки.
А каков процент офлайн конверсий в вашем бизнесе? Используете данные по офлайн конверсиям при настройке рекламы?