Как неэффективные процессы влияют на бюджет и качество post-view аналитики — кейс DataGo! Consulting

Ксения Макарова

Консультант DataGo! Consulting

 Предсказать все неочевидные нюансы в построении процессов невозможно, но можно доверить это профессионалам

Совместно с консультантом DataGo! Consulting Ксенией Макаровой мы подготовили материал, в котором расскажем:

1. Какие способы анализа медийной рекламы мы используем и кому они подходят;

1. Как и какие процессы влияют на качество post-view аналитики;
2. Как мы анализируем медийную рекламу (будут кейсы) и с какими трудностями сталкивались;
3. Как правильно выстроить процессы, чтобы получить максимум.

Поехали!

Немного вводных 

Post-view аналитика - это анализ целевых действий пользователя, который видел баннер на рекламной площадке, но не перешел по нему на сайт или в мобильное приложение сразу. Например, потенциальный покупатель видит баннер, но не кликает на него, а переходит на сайт или в мобильное приложение через какое-то время, когда появляется потребность в покупке товара или в заказе услуг.

Переход на сайт или в приложение будет осуществлен не по прямой ссылке с рекламного баннера, а, например, напрямую через поисковую строку или с помощью инструментов ретаргетинга. 

Вероятность неверной интерпретации результатов рекламных кампаний в таком случае довольно высока, если вы используете несколько рекламных площадок и высокий рекламный бюджет. Для получения желаемого результата вам необходимо оценивать не только каждую кампанию, но и каждое объявление, рекламный баннер и действия пользователя после того, как он впервые увидел ваше медийное размещение.

Способы анализа медийной рекламы 

Сегодня мы говорим про наш опыт, поэтому расскажем, какие 3 основных подхода мы выделяем в нашей работе, и для кого они подходят. 

Выбор определенного способа, который подходит именно вам, зависит от множества факторов. Например, от размера и уровня владения медийной рекламой, от рекламного бюджета на медийную рекламу и др.

1 подход. Начальный / ручной процесс. 

Дано: 

1. Небольшой маркетинговый бюджет;
2. Начальный уровень запуска медийных кампаний;
3. Размещение на нескольких рекламных площадках;
4. Нет AdTracker.

Инструменты для анализа:

1. рекламный кабинет, где можно отслеживать ключевые показатели (Яндекс Директ, Vk реклама) в рамках своей площадки и рекламного размещения.

Минусы подхода:

1. Данный подход позволяет оценить медийную рекламу только в рамках одной площадки и рекламной кампании;
2. Нет возможности оценить картину целиком и понять реальный вклад каждого креатива в итоговый доход;
3. При использовании нескольких рекламных источников, полученный результат не будет корректным и не сможет быть использован для принятия управленческих решений.

Плюсы подхода:

1. Вам не потребуется дополнительный ресурс в виде аналитического стека или привлеченных специалистов; 
2. При размещении на одной рекламной площадке, данного подхода достаточно.

2 подход. Базовый/коробочный процесс 

Дано:

1. Большое количество плейсментов, бюджетов и данных, которые необходимо собирать, обрабатывать и анализировать;
2. Делать это в ручном режиме становится довольно сложно.

Инструменты для анализа:

1. Необходимо выбрать подходящий AdTracker, подключить его к рекламным источникам, чтобы агрегировать все данные в едином пространстве - в интерфейсе сервиса. 

Минусы подхода:

1. Невозможно импортировать рекламные расходы/доходы;
2. В результате получаем ограниченный набор метрик (не можем оценить ROI/ROMI).

Плюсы подхода: все так же, нет необходимости подключать дополнительных специалистов.

Подход 3. Data-driven / продвинутый процесс 

Data-driven маркетинг - это подход к анализу и интерпретации маркетинговых результатов на основе качественных данных и полученной отчетности. Маркетологи и аналитики с помощью аналитических инструментов обрабатывают полученные данные для анализа поведения пользователей на сайте или в мобильном приложении и при взаимодействии с рекламные площадками, кампаниями, объявлениями и креативами.

Дано:

1. Большое количество рекламных источников и значительные бюджеты;
2. Необходимость фиксировать результаты для дальнейшей оптимизации кампаний.

Инструменты для анализа: 

1. Web и app стриминг качественных данных, позволяющий агрегировать все данные в едином пространстве и формировать полную и прозрачную отчетность по необходимым конверсионным метрикам и событиям;
2. Сквозная аналитика для сбора и анализа всего объема данных: от показа медийного объявления до дохода из CRM.

На какие вопросы вы сможете себе ответить при использовании сквозной мультиканальной аналитики?

1. Сколько денег принес мне конкретный канал?
2. Есть ли переоцененные рекламные кампании, где сливается бюджет?
3. Стоит ли оптимизировать рекламный бюджет и распределить его между кампаниями/каналами иначе?

Сложности:

1. Развернуть сложную архитектуру, корректно хранить, передавать и обрабатывать данные может только опытный специалист;
2. На формирование такой структуры необходим дополнительный ресурс: бюджет и время.

Плюсы data-driven подхода: 

1. За счет сквозной аналитики вы сможете получать качественные и полные сырые данные
2. Без семплирования или ограничений
3. Использовать различные модели мультиканальной атрибуции
4. Формировать инсайты и принимать верные управленческие решения.

Почему не работает медийная реклама? 

Но все же, даже используя data-driven подход, вы можете столкнуться с не очевидными сложностями, из-за которых медийная реклама может не приносить желаемого результата.

В кейсах ниже мы подсветим важность формирования прозрачных и понятных процессов, которые влияют на эффективность медийной рекламы. Проверено на личном опыте!

Кейс 1 

Портрет клиента: 

Крупная компания, банковский сектор.

Бюджет на медийную рекламу: 

100+млн/год.

Особенности: 

1. Чувствительные данные хранятся в контуре;
2. Требуется повышенный уровень безопасности;
3. Медийные размещения на рекламном агентстве;
4. Post view аналитика на подрядчике;
5. Есть AdTracker.

Запрос: 

1. Оценить окупаемость медийных флайтов в разрезе рекламных площадок, таргетингов, креативов;
2. Найти точки оптимизации бюджетов и повысить доход.

С каким вызовом столкнулись? 

1. Нет расходов и нет доходов. Как следствие, не можем посчитать ROMI и понять окупается ли медийная реклама.

Чем это обусловлено:

1. Финансовый и банковский сектор, как правило, - компании с повышенным уровнем безопасности. Данные о доходах лежат во внутреннем контуре, доступ в который имеют только штатные сотрудники банка. Мы как подрядная организация не можем их получить;
2. Сами медийные размещения ведет рекламное агентство, которое защищает внутренние данные по стратегии размещения своего клиента и, соответственно, не акцептует передачу расходов по медийным запускам подрядчику.

Какое решение?

1. Подписали NDA со всеми участниками процесса;
2. Завели наших аналитиков во внутренний контур компании (позволило получить доступы к данным и пользоваться необходимыми доступами);
3. (Но был и запасной вариант) Хешировать данные о доходах и расходах.

Результат: 

1. Нашли плейсменты, которые имели отрицательный ROI;
2. Оптимизировали бюджет;
3. Увеличили доход клиента от медийной рекламы на 17,8%.

Совокупно, если бы клиент предпринял эти шаги ранее, это позволило бы сэкономить ему 12 млн/год на медийной рекламе.

Кейс 2 

Портрет клиента:

средний клиент, сфера e-com.

Бюджет на медийную рекламу: 

10+ млн/год.

Особенности: 

1. In-house отдел маркетинга;
2. Базовая post-view аналитика in-house;
3. Все процессы отстроены;
4. Есть AdTracker.

Запрос: 

Настроить продвинутую post-view аналитику.

Что сделали?

1. Прометили медийные размещения (показы, клики, действия на сайте);
2. Собрали все данные (из системы аналитики, рекламных кабинетов, CRM, AdTracker и др.);
3. Связали данные в единую цепочку (от показов к покупкам);
4. Сформировали единую отчетность и ждали результат.

С какими трудностями столкнулись? 

1. Внутренние правила AdTracker, который выкладывал “сырые” данные в рандомное время;
2. Свои правила нейминга плейсментов.

На что это влияет?

1. Скрипт не находит необходимые данные. Как следствие, в отчетах отображаются не полные данные, замедляется оптимизация кампании и сливается бюджет;
2. Скрипт не может обнаружить в справочнике необходимые площадки для формирования цепочек. Это привело к тому, что в отчете нет данных по конверсиям в разрезе плейсментов, к принятию неверных решений и к потере рекламных бюджетов.

Какое решение?

1. Договорились с AdTracker, чтобы сырые данные выкладывались строго в определенное время;
2. Написали для клиента регламент нейминга плейсментов при заведении рекламной кампании.

В заключение хотим подчеркнуть, что это лишь малая часть вопросов, которые могут повлиять на получение эффективного результата от медийных размещений. Мы предлагаем смотреть комплексно и исследовать каждый кейс индивидуально, ведь подвох может скрываться как во внутренних или внешних процессах, так и в настройках медийных площадок, стратегическом планировании, подборе аналитического стека или же в сегментации аудитории.

Будьте бдительны или обращайтесь к специалистам)

С заботой о ваших данных, команда DataGo! Consulting