heading for menu

09 августа 2016 Автор Gold

“Подводные камни” аналитики контекстной рекламы

«Подводные камни» аналитики контекстной рекламы

Аналитика результатов контекстной рекламы всегда вызывает множество споров. На первый взгляд, все очевидно: анализируем, отключаем площадки, которые не принесли желаемого результата и повышаем ставки на более эффективных ресурсах. Однако, не смотря на обманчивую простоту, существует множество «граблей», которые могут повлиять на процесс оптимизации. Давайте рассмотрим конкретные примеры компаний, которые занимаются размещением контекстной рекламы.

Случай первый. В2В

Основной источник дохода компании – оптовые продажи, большая часть которых осуществляется через звонки (80%). У компании есть свои клиенты, а бюджет на контекстную рекламу небольшой. Оптимизацию контекстной рекламы в этом случае правильно делать посредством анализа данных по звонкам. Помимо звонков, оставшиеся 20%, это заказы через корзину и форму заявки. Но возникает закономерный вопрос: как правильно интегрировать данные? Если клиент увидел контекстную рекламу и потом позвонил, каковым будет лид? Скорее всего, его отнесут категории звонков. Но это не совсем правильно. Для правильной аналитики оставим только уникальные звонки. Помимо этого звонки могут носить информационный и прочий характер. Таким образом, необходимо просить операторов сразу после приема заказа отмечать в системе, был ли звонок целевым. Так мы получаем более-менее нормальные данные. После этого мы должны понять, какие звонки привели к реальным продажам. Для этого нужно настроить связку аналитики и данных CRM, где и будут учтены все данные о продажах. Естественно, единый подход нужно применять на протяжении какого-то времени. После этого можем и  LTV посчитать. А на основании этого показателя мы определим стоимость привлечения клиента и, как результат, значение СРА.

Случай второй. Тоже В2В

Вторая компания пользуется Google Analytics для подсчета и оптимизации ROI. Сессия клиента прерывается во время оформления заказа, так как оплата проходит через сторонние платежные системы и при оплате по безналу клиенту выписывается счет. Таким образом, Google Analytics получает не все данные.

Чтобы устранить эту проблему, можно использовать систему внутреннего биллинга. Тогда выписка счета и оплата связываются вместе. Клиент проходит регистрацию и может оплатить счет только после этого. Таким образом, мы будем знать, откуда он пришел и сопоставить с данными контекстной рекламы.

Все бы ничего, если у компании нет большого количества повторных клиентов, что искажает наши данные. Для решения этой проблемы предлагаем использовать метки пользователя на уровне биллинга. Научившись считать LTV, стало понятно, что лучше ограничить его периодом 6 месяцев. Ведь оплаты клиентов, работающих с нашей компанией на протяжении длительного периода времени, приписываются первоначальному источнику траффика, а это не совсем правильно. Мало того, ROI по ним постоянно растет, и мы вкладываем бюджет в те ресурсы, которые на данный момент могут и не приносить результатов.

На самом деле это лишь несколько из многочисленных примеров. К сожалению, не существует универсального алгоритма, который работает для всех компаний. Именно поэтому нужны профессионалы, которые помогут настроить и проанализировать данные каждой конкретной компании.



БЦ "Верейская плаза 1" 121357, г.Москва,
ул. Верейская д.29 стр.154, info@jongold.ru
Тел. + 7 495 012 7556

Вверх