Всем привет! Вот и добрались наши лапы до неайтишных специальностей - «Цифровой маркетолог» .
Курс ведет Виктория Александрова - Руководитель отдела маркетинга OTUS, который сегодня делится этой статьей.
Идти Рано или поздно любой интернет-маркетолог сталкивается с проблемой оптимизации бюджета на продвижение.
Вам нужно либо получить такое же количество конверсий при меньшем бюджете, либо получить больше конверсий при том же бюджете.
А иногда и то и другое.
Наилучший результат в решении этой задачи обычно дает комплексный подход:
- оптимизировать рекламные кампании в канале (уменьшить стоимость клика, если речь идет об аукционе или, например, изменить таргетинг, чтобы минимизировать показы на нецелевые аудитории и приобрести тот же объем аудитории дешевле);
- отключить неэффективные рекламные каналы (и/или перераспределить бюджет в сторону эффективных каналов, если их мощность еще не исчерпана).
Сегодня мы поговорим об одной стороне медали – выявлении рекламных каналов с низкой эффективностью.
Этот вопрос, кстати, актуален не только в контексте оптимизации бюджета.
При поиске и тестировании новых рекламных площадок перед маркетологами встает аналогичный вопрос: как правильно оценить эффективность нового канала по результатам тестового размещения? Казалось бы, нет ничего сложного в выявлении каналов с низкой эффективностью: посмотрел статистику, посмотрел CPA и CPA, выбрал каналы с самым высоким CPA и отключил их.
Бюджет (при необходимости) передавался на каналы с наименьшим CPA. Готовый.
Но на практике часто бывает, что отключение одного канала, генерирующего небольшую долю продаж при высоком CPA продаж, приводит к заметному падению конверсий на других (совсем не похожих) каналах.
Какова причина? Отсутствие аналитических данных.
Что я должен делать? Для начала давайте разберемся, что у нас за продукт и как наши пользователи принимают решения о покупке.
Ведь от этого во многом будет зависеть их поведение от поиска нас до принятия решения о покупке и возврате.
Я бы выделил четыре типа продуктов:
- одноразовая продукция (решение принимается быстро, изучение конкурентов минимальное – пришел, увидел, купил);
- продукты для многократного потребления (выбор «на долгий срок», продуманное решение);
- продукты ситуативного потребления (ищутся и используются только тогда, когда пользователь оказывается в определенной ситуации);
- сложные продукты (лежат на стыке предыдущих типов.
Это продукты с длительным циклом принятия решения, где триггером принятия решения о покупке может быть либо ситуация, в которой оказался пользователь, хороший креатив, либо скидка , и, возможно, «зрелое» мнение пользователя продукта о высоком качестве продукта);
Понимание типа продукта позволит вам выбрать метод анализа.
В случае с продуктом разового потребления нет смысла теряться в дебрях возвратов, большого количества штрихов и атрибуций.
Стоит изучить поведение пользователей рекламного канала на сайте – есть ли блокировщики конверсии? Если мы имеем дело с продуктом многократного потребления, то мешает отдача и жизненный цикл пользователя, методы напоминания о себе и бустеры (у вас все хорошо с рассылкой писем и ретаргетингом?).
Если вы работаете с продуктом для ситуативного потребления, то подумайте о возможности прогнозирования повторного использования — возможно, ваш продукт нужен пользователю регулярно.
Если вы предложите свой товар вовремя первым, вероятность покупки будет очень высокой.
В случае сложных продуктов, среди прочего, нам придется обратить внимание на продолжительность цикла принятия решения и черный ящик маркетингового микса каналов в цикле принятия решения о покупке.
Итак, как определить длительность цикла принятия пользователем решения о покупке.
Проще говоря, нам необходимо определить следующие моменты времени:
- первое посещение сайта;
- Регистрация;
- совершение покупки;
- совершая повторную покупку.
Я сознательно не отмечал точку «умирания» клиента (он вообще перестал заходить на сайт), потому что… чтобы с определенной вероятностью отнести клиента к этой категории.
Вам необходимо иметь представление о стандартной длине цикла принятия решения.
Не забывайте, что каждый товар может иметь свои особенности – в одних случаях регистрация не требуется, в других момент первого посещения и регистрации совпадает в большинстве случаев и т. д. Однако определение этих моментов во времени даст понимание как долго клиент думает, прежде чем совершить покупку.
Не забывайте, что в зависимости от канала (глобально по органике/рекламе и индивидуально для каждой рекламной площадки) продолжительность циклов принятия решений может существенно различаться.
Так, например, поисковая контекстная реклама считается преимущественно «быстрым» каналом (пользователь наиболее готов к покупке, потому что ищет товар), а продвижение контента на тематических порталах (в тематических сообществах) — преимущественно «быстрым» каналом.
длинный» канал (поскольку пользователи готовы читать о продукте, но не очень мотивированы на покупку).
Соответственно, «длинные» каналы обычно нуждаются в раскрутке с помощью бесплатных (электронная почта) или платных (ретаргетинг, реклама) активностей.
Привет, маркетинг-микс :) Ну что, вы готовы открыть черный ящик маркетинг-микса и посмотреть, какие каналы влияют на пользователей, совершивших покупку, как и когда? Замечательный! Затем мы накладываем существующие данные о цикле принятия решения при взаимодействии клиентов с сайтом с указанием источника и получаем полную картину: как долго думал пользователь и что побудило его совершить покупку; какие каналы участвовали в «взрослении» клиента, а какие нет. Вроде бы проблема решена, но маркетологи, имевшие опыт анализа данных, наверняка думали, что если проанализировать каждую рекламную площадку и каждого клиента, то срезов будет огромное количество.
И чем больше клиентов, тем больше будет уникальных цепочек — а значит, данные будут неоднородными и никаких выводов сделать нельзя.
А как насчет проектов с сотнями клиентов? Я вижу только одно решение - увеличить срезы.
Как это работает на практике? Вот дело по шагам:
- Берем список клиентов, совершивших покупку за определенный период.
- Определяем даты ключевых моментов (например, первого посещения сайта и покупки).
Считаем разницу в днях между точками.
- Определяем источники переходов, которые привели к достижению ключевых точек (например, время первого посещения и время покупки).
- Добавляем сумму, на которую клиент совершил покупку (ведь бывает, что канал генерирует много продаж, но при этом имеет высокий средний чек).
Вы можете перейти к тому моменту, когда данные больше не подходят для понятного анализа.
Полученную таблицу можно не только анализировать для проверки различных гипотез, но и отображать некоторые разделы графически.
Например, для каждого канала первого касания мы используем пузырьковую диаграмму, где ось OX — канал закрытия, ось OU — время принятия решения, а размер пузырька — сумма покупки.
Такое представление позволяет четко понимать скорость закрытия каналов, насколько они перекрывают друг друга и где вам придется «покупать» клиента как минимум дважды.
Кстати, с теми клиентами, которые не достигли цели, можно сделать обратное и сравнить, насколько полученные результаты отличаются от среза клиентов, совершивших покупку.
Наличие такого анализа минимизирует вероятность ошибки при отключении малопроизводительных каналов.
КОНЕЦ Как всегда, мы будем рады вашим комментариям, вопросам и предложениям здесь или на нашем сайте.
Теги: #Интернет-маркетинг #Веб-аналитика #конверсия
-
Разновидности Плоских Сканеров
19 Oct, 24 -
Опасная Сделка
19 Oct, 24 -
Улучшенное Голосование
19 Oct, 24 -
Поиск Google Умирает
19 Oct, 24
