Created by potrace 1.13, written by Peter Selinger 2001-2015 LOGO

Оптимизация больших рекламных кампаний в eCommerce

Игорь Бахарев
25 Июля 2017, в 11:08, в Новости e-commerce, в сюжете: маркетинг, реклама

Руководитель проектов Artics Internet Solutions Оксана Дементьева  и веб-аналитик компании Константин Руденок рассказали о том, как эффективно решать задачи по оптимизации рекламных кампаний на примере интернет-магазина (сегмент fashion).

Управлять большими e-commerce аккаунтами (речь идет о нескольких каналах, более миллиона ключевых фраз) невозможно без систем автоматизации и оптимизации, основная задача которых повышение эффективности кампаний в рамках заданных значений. При этом начальные значения ставок и стратегии биддинга задают специалисты. И для того, чтобы они могли оперативно реагировать на изменения и делать правильные выводы, нужна система автоматического мониторинга данных. Performance-маркетинг и технологии тесно связаны между собой, поэтому большое внимание уделяем тестированию новых технологий и поиску лучшего инструментария для решения наших задач.

Не так давно мы начали использовать Power BI, о котором последний год так много говорят на рынке. Теперь хотим поделиться своим опытом и рассказать, почему мы выбрали этот инструмент и как используем на примере интернет-магазина (fashion).

Выбор инструмента автоматизации отчетности

Сразу оговоримся, если речь идет о работе с одним каналом, то собирать статистику по электронной торговле и строить отчеты можно прямо в Google Analytics. Мы работаем с большим количеством источников, загрузить данные о расходах, по которым в Google Analytics нельзя, поэтому приходится использовать сторонние инструменты.

Долгое время для решения этих задач мы, как и многие, использовали хорошо знакомый Microsoft Excel. Но со временем столкнулись с тем, что Excel:

  • предлагает ограниченные возможности по визуализации для просмотра данных в динамике и отслеживания зависимости разных параметров друг от друга, а интерфейс перегружен;
  • не осуществляет полноценное подключение ко всем источникам данных (например, для работы с MySQL и рядом других СУБД нужно выполнить дополнительные настройки);
  • не позволяет публиковать готовый файл в облако и настраивать доступы.

Нам нужен был новый инструмент, который позволил бы сводить данные по расходам и электронной торговле в одном месте и отображать статистику в нужных разрезах. Мы изучили технологии, которые есть на рынке, и составили свой шорт-лист:

  • Google DataStudio;
  • Tableau;
  • Microsoft Power BI;
  • PeriscopeData;
  • Chartio;

Критерии отбора были следующие:

  • стоимость продукта;
  • простота манипуляций с моделью данных для построения отчета;
  • порог вхождения для начинающего специалиста, который не знаком с принципами работы базы данных;
  • репрезентативность.

В итоге мы остановились на Power BI, потому что это единственный инструмент из вышеперечисленных, который:

  • поддерживает импорт сторонних виджетов в отчет;
  • подразумевает возможность визуализации данных при помощи средств языка R;
  • позволяет легко перейти с Excel - базовые принципы манипуляции с моделью данных похожи на Excel;
  • имеет бесплатную версию (включает весь функционал платной версии, и позволяет протестировать инструмент).

Построение модели данных для отчета

Данные о расходах по всем каналам в разрезе кампаний мы собираем при помощи собственной разработки, и, чтобы начать работать с Power BI, оставалось продумать структуру аккаунта и шаблон нейминга кампаний.

Критичным для нас было сегментирование по следующим факторам:

  • география кампании;
  • тип кампании;
  • категория продукта;
  • подкатегория продукта.

Исходя из этой разбивки, нейминг кампаний был сделан по такому шаблону:

ГЕО[Тип РК[Категория]:Подкатегория

В UTM-campaign при помощи автопрометки мы передавали идентификатор кампании, который учитывался и в таблице с данными о расходах.

Анализ данных отчета

В Power BI можно строить самые разные отчеты, на примере интернет-магазина (fashion) покажем, какие задачи с помощью отчетов решаем мы.

  1. Оптимизация кампаний по ключевому показателю эффективности

Исходя из данных Google Analytics, мы обнаружили, что около 18% из всего объема кампаний не принесли ни одной транзакции. При этом имели расход на уровне 100-200 рублей за сутки. Однозначно назвать причину низкой активности мы не могли, но важно было понять, можем ли мы оптимизировать кампании по ключевому показателю эффективности (в нашем случае это был CRR) и выделить кампании и группы кампаний с нулевой прибыльностью.

Для этого мы построили отчет в Power BI – так выглядела разбивка кампаний по количеству транзакций:

Оптимизация больших рекламных кампаний в eCommerce - 1

Затем разделили кампании на подкатегории, чтобы видеть проблемные кампании в каждой подкатегории и иметь возможность оперативно вносить изменения в настройки:  

Оптимизация больших рекламных кампаний в eCommerce - 2

После чего добавили дополнительные группировки в кампании:

Оптимизация больших рекламных кампаний в eCommerce - 3

И в результате получили отчет, на основании которого можем оценить влияние каждой подкатегории на формирование показателя эффективности, оперативно реагировать на уменьшение спроса в группах товаров и более точно воздействовать на CRR.

  1. Сезонность по категориям товаров

В категориях продуктов мы видели явно выраженную сезонность, а из-за срока доставки (от двух недель до месяца) готовиться к новому сезону нужно заранее.

В Power BI мы построили следующий отчет, чтобы оценить общегодовую динамику:

Оптимизация больших рекламных кампаний в eCommerce - 4

После чего детализировали до ежемесячного распределения дохода по категориям:

Оптимизация больших рекламных кампаний в eCommerce - 5

С помощью этого отчеты мы отслеживаем изменение сезонности внутри интернет-магазина.

  1. Сортировка по стоимости привлечения на продукт

В процессе оптимизации кампаний нам нужно было учесть разные ценовые диапазоны на различные группы товаров. Например, из-за большей средней стоимости чека на привлечение заказа из категории верхней одежды мы могли потратить больше, чем из категории футболки.

Для этого мы визуализировали группы товаров в разрезе их дохода и кликов и получили следующий отчет и теперь видим, какие товары работают лучше:

Оптимизация больших рекламных кампаний в eCommerce - 6

  1. Формирование отчета для клиента

Мы показали несколько отчетов, которые используют специалисты при оптимизации кампаний, но также при помощи Power BI можно строить отчеты для клиентов.  

В нашем случае клиенту важно, чтобы в отчете были отражены фактические и плановые показатели по кампаниям в любых срезах и их динамика по времени:

Оптимизация больших рекламных кампаний в eCommerce - 7

В заключении хочется еще раз отметить, что управление большими рекламными кампаниями невозможно без системы автоматического мониторинга данных, благодаря которым вы можете строить разные отчеты, отслеживать изменения в кампаниях и оперативно реагировать на них. Мы показали, как используем Power BI для решения своих задач. К счастью, на рынке существует большое количество самых разнообразных технологий для решения этих задач, и вы можете выбрать оптимальный вариант для себя.

Комментарии к статье

comments powered by HyperComments