Секция, посвященная интернет-рекламе, стала одной из самых популярных на IForum-2017. Сегодня мы начинаем публиковать репортажи выступлений экспертов по интернет-маркетингу. Артем Бородатюк, основатель агентства Netpeak, рассказывал о том, как команда SEO-платформы Serpstat смогла сэкономить 80% расходов на контекстную рекламу, поменяв модель атрибуции (распределения прибыли от клиента, в зависимости от его шагов на пути к покупке). Предлагаем основные тезисы его выступления (в конце материала презентация Артема приведена полностью). 

Здесь и далее – фото Оли Закревской

 Почему бизнес до сих пор плохо меряет отдачу от онлайн-рекламы? 

  • Мало специалистов по веб-аналитике, которые способны настроить и внедрить решение в бизнес.
  • Это дорого – настройка профессиональной аналитики, в которой можно быть уверенным, стоит от $5000 до $10 000.
  • Это сложно. Если вы – специалист в маркетинге, вы знаете, что вам нужны точные данные по рекламным кампаниям. Но чтобы внедрить веб-аналитику, нужно потратить деньги и время сотрудников, перекроить бизнес-процессы в компании, убедить CEO в том, что это необходимо.
  • Банальная лень. 

Веб-аналитика – это часто какие-то кастомные решения. А кастомные решения – это путь сквозь ошибки. Мы в Serpstat хотели быть уверенными, что принимаем решение на основе объективных данных. И спустя какое-то время пришли к, на наш взгляд, максимально объективной модели веб-аналитики.

Мы задались вопросом: а может ли вообще веб-аналитика быть точной? Ведь критерий точности задаете вы сами. Поэтому мы используем фразу “максимально объективная модель”. Речь идет про аттрибуцию, о которой я сейчас расскажу.

Как мы внедряли мультиканальную систему веб-аналитики с атрибуцией по воронке

Что такое мультиканальная аналитика? Чтобы пользователь что-то купил, ему чаще всего нужно совершить несколько взаимодействий с вашей компанией по разным каналам. Чтобы распределить прибыль от клиента по всем рекламным каналам, которые участвовали в его привлечении, нужно провести мультиканальную аналитику (грубо говоря, оценить вклад каждого рекламного канала – ред.). 

Что такое атрибуция? Полученная от продажи товара прибыль распределяется в зависимости от шагов на пути конверсии, которую данный канал обеспечил. 

Большинство бизнесов используют одну из двух моделей атрибуции – first click и last click. В Serpstat работает такая воронка в четыре шага: можно зайти на сайт, перейти в тарифы, добавить в корзину купленный тариф и оплатить его.

К примеру, какой-то пользователь зашел по органическому поиску, потом – по контекстной рекламе и, наконец, из рассылки купил услугу. Если рассматривать атрибуцию для самого дешевого тарифа Serpstat $19, для модели атрибуции first click вся прибыль присваивается поиску – ведь пользователь впервые зашел из органического поиска. По модели last click пользователь совершил покупку из рассылки, значит, присваиваем ей $19. Но все это – неправильно, ведь пользователя привели к покупке три источника, и мы не можем знать, какой из них повлиял на покупку больше, какой – меньше. 

Мы пришли к модели, которую нам посоветовали ребята из OWOX, под названием funnel based. Как она работает? Ценность распределяется между всеми посещениями пользователя, в зависимости от того, какие шаги в воронке оформления заказа он совершил. Из примера выше: у каждого шага “зашел на сайт”, “зашел в тарифы”, “зашел в корзину” есть какая-то вероятность совершения. Из первого шага во второй вероятность перехода низкая – где-то 5%. Соответственно, если этот шаг сделан, он будет очень ценным. Значит, если человек с контекста перешел на сайт, а затем перешел к тарифам, мы назначаем контексту большую ценность. Таким же образом подсчитывается ценность для каждого шага. 

Пример подсчета, при ценности для органического поиска в 5%, контекста 43% и email 52%:

  • Organic – 5% * $19 = $0,95
  • PPC – 43% * $19 = $8,17
  • Email – 52% * $19 = $9,88

Пример распределения ценности по шагам на двух пользователях А и В:

Что мы получили на выходе? Нам неважно, сколько стоит привлечение клиента, мы смотрим ROI по доходам и ROI по LTV, и затем аттрибутируем.

Таким образом, мы очень упростили жизнь специалистам по контексту, их принятие решений теперь выглядит так:

Также мы сократили 80% бюджета на контекст, и получили почти ту же эффективность от кампаний.