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

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

Ксения Макарова, консультант DataGo! Consulting

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

  • Какие способы анализа медийной рекламы мы используем и кому они подходят;
  • Как и какие процессы влияют на качество post-view аналитики;
  • Как мы анализируем медийную рекламу (будут кейсы) и с какими трудностями сталкивались;
  • 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:

  • Небольшой маркетинговый бюджет;
  • Начальный уровень запуска медийных кампаний;
  • Размещение на нескольких рекламных площадках;
  • Нет AdTracker.

Инструменты для анализа:

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

Минусы подхода:

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

Плюсы подхода:

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

2 подход. Базовый/коробочный процесс

Дано:

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

Инструменты для анализа:

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

Минусы подхода:

  • Невозможно импортировать рекламные расходы/доходы;
  • 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:

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

Инструменты для анализа:

  • 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;
  • 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?

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

Сложности:

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

Плюсы data-driven подхода:

  • За счет сквозной аналитики вы сможете получать качественные и полные сырые данные
  • Без семплирования или ограничений
  • Использовать различные модели мультиканальной атрибуции
  • 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:

  • Чувствительные данные хранятся в контуре;
  • Требуется повышенный уровень безопасности;
  • Медийные размещения на рекламном агентстве;
  • Post view аналитика на подрядчике;
  • Есть AdTracker.

Запрос:

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

С каким вызовом столкнулись?

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

Чем это обусловлено:

  • 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;
  • 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?

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

Результат:

  • Нашли плейсменты, которые имели отрицательный ROI;
  • Оптимизировали бюджет;
  • 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:

  • In-house отдел маркетинга;
  • Базовая post-view аналитика in-house;
  • Все процессы отстроены;
  • Есть AdTracker.

Запрос:

Настроить продвинутую post-view аналитику.

Что сделали?

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

С какими трудностями столкнулись?

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

На что это влияет?

  • Скрипт не находит необходимые данные. Как следствие, в отчетах отображаются не полные данные, замедляется оптимизация кампании и сливается бюджет;
  • 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?

  • Договорились с AdTracker, чтобы сырые данные выкладывались строго в определенное время;
  • 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 💙