�ݺ�ߣ

Анализ эффективности
интернет-рекламы
Бауыржан
Токтагазы
Докладчик

Бауыржан Токтагазы
• Business Development
• Officer
• Опыт работы с более 50+ проектами
• Специализация — PPC, SEO, веб-аналитика
• Сертифицированный специалист Яндекс.
Директ/Яндекс.Метрика
• Сертифицированный специалист Google
Analytics/Google Adwords IQ

О Netpeak
Работаем на рынке
интернет-маркетинга
с 2006 года
Более 2000
успешных проектов
Более 200
сертифицированных
специалистов
7 офисов в
4 странах мира

•Разберемся
•с определениями

Анализ в интернет-маркетинге —
исследования, направленные на поиск
причины изменения показателей с
выделением существенных и
формулированием дальнейших действий.

Анализ ≠ отчет
Анализ интернет рекламы
≠ анализ трафика

Что будет в докладе
• Promotion
• People
• Place
• Product
• Price

Что нужно для анализа
• Система веб-аналитики
• Коллтрекинг
• Ecommerce
• CRM, ERP
• Кабинеты рекламных систем

•Анализ
•трафика

Анализ сверху вниз
1. Период/объем данных
2. Каналы
3. Источники
4. Рекламные кампании
5. Группы объявлений
6. Ключевые слова
7. Объявления
8. Посадочные страницы

Период или объем данных?
1. Месяц или М/М
2. Квартал или Q/Q
3. MY/MY
4. Y/Y
Главное - репрезентативность анализируемой выборки

Модель атрибуции —
правило распределения прибыли от
клиента по шагам на пути к конверсии

Последний переход
100%

Первый переход
100%

Последний значимый переход
100%

Модель атрибуции «Последний переход»

Модель атрибуции «Последний значимый переход»

Анализ в разрезе каналов

Анализ в разрезе источников рекламы

Передача данных о рекламе
UTM-метки
utm_source - источник
utm_medium - канал
utm_campaign - кампания
utm_content - объявление
utm_term – ключевое слово
example.com/?utm_source=ab
c&utm_medium=cpc

Анализ в разрезе рекламных кампаний

Поиск конверсионных ключевых слов

Поиск конверсионных ключевых слов
• Выгрузка в Excel / Google Sheets
• Расчет медианного / средней арифметической
CPA/CR
Что еще смотреть:
• Объявления
• Посадочная страница

Добавление новых ключей / минус-слов

HADI-цикл
1. Гипотеза
2. Действие
3. Сбор данных
4. Выводы

Анализ для e-commerce

Воронка маркетинговых инструментов
1. Охват
2. Захват
3. Подогрев
4. Продажа
5. Допродажа
6. Лояльность
7. Рекомендация

Факторы влияющие на конверсию
1. Качество трафика
2. UX/UI
3. Скорость загрузки сайта
4. Качество контента
5. Цена
6. Ширина/глубина ассортимента
7. Работа онлайн-консультантов
8. Качество/скорость обработки заказа
9. Отзывы
10. Доставка
11. Оплата
12. Акции/скидки
13. Офлайн-точка
14. Доверие к продавцу

•Анализ аудитории
•и поведения

• Пол
• Возраст
• Уровень доходов
• Микс
Как сегментировали раньше

Buyer Personas
Rick John Chris Jimmy

• 12 летний мальчик
• 45 летняя женщина
ведут себя одинаково и покупают один и тот же товар.
Ваша ЦА: 12-45, М/Ж
Проблема соц. дем. сегментирования

• 2 мужчин 35 лет
Один покупает шариковую ручку, другой - Parker.
Ваша ЦА: 35, М
Проблема соц. дем. сегментирования

• Recency – давность последней
покупки
• Frequency - частота (общее
количество) покупок
• Monetary value – средний чек или
потраченная сумма денег
RFM-сегментация

Recency
Краткая суть: существует такой день, не придя и не купив в который,
человек никогда больше не придет и не купит.
Пример: сеть салонов красоты в Алматы - 64 дня
1R – купил недавно
3R – заходит иногда
5R – давно ничего не покупал

Frequency
Краткая суть: частота покупок, которая отличает нашего лояльного
клиента, который всегда ходит к нам, от нелояльного, случайного,
которому на самом деле все равно, куда ходить.
Пример: стоматологическая клиника
1F – приходит 5 раз в год, отличный клиент
3F – приходит 3 раза в год, хороший клиент
5F – пришел 1 раз за год, скорее всего больше не придет

Monetary
Краткая суть: сумма всех сделок. Чем больше денег было потрачено, тем
больше вероятность того, что он сделает заказ, чем меньше денег он
будет платить – тем больше вероятность что он уйдет.
Пример: продуктовый гипермаркет
1M – 50000 тенге - делает полный закуп продуктов домой
3M – 15000 тенге – приходит только по праздникам
5M – 200 тенге – пришел за жвачкой

RFM-сегментация
• 1R-1F-1M – лучшие из лучших, VIP-клиенты.
• 5R-5F-5M – худшие из худших.
• 1R-3F-1M – хороший клиент.
• 5R-5F-1M – выгодный одноразовый клиент.

Продвинутые модели сегментаций
• BIG 5 / Ocean
• 6W
• VALS
• Pareto/NBD
• BG/NBD

•Офлайн и онлайн

Проблематика
• Бизнес считает результаты каналов отдельно
• Бизнес не оценивает влияние онлайн на офлайна и наоборот
• Бизнес урезает маркетинговый бюджет онлайна/офлайна, после чего
падают продажи в офлайне/онлайне

ROPO-поведение в России
The Consumer Barometer
Survey 2014/15

Откуда брать данные
• Карта лояльности (номер телефона)
• Подписка на рассылку
• Авторизация пользователя на сайте
• Купон на скидку
• Пробная версия продукта

Пример идентификации №1
1. Клиент посещает сайт и выбирает товар (есть clientID)
2. Приходит в офлайн, покупает и оставляет свой e-mail
3. Отправляем письмо со спец. предложением/акцией
4. Клиент переходит на наш сайт из рассылки
5. Мы сопоставляем его почту и clientID
6. Узнаем канал/источник через который он пришел на сайт

1. Клиент приходит на сайт, выбирает товар и подписывается на
рассылку. Мы знаем его clientID и e-mail
2. Узнает об акции с рассылки, приходит в офлайн, покупает и
оставляет свой e-mail чтобы получить бонус/скидку
3. Сопоставляем e-mail-ы тех, кто пришел с онлайна

1. Подключаем систему коллтрекинга
2. К концу месяца выгружаем из CRM-системы отчет по продажам
3. Выгружаем отчет о звонках из коллтрекинга
4. Сопоставляем номера тех кто звонил (отчет из коллтрекинга) с теми
кто купили (отчет из CRM)
5. Узнаем канал/источник тех, кто звонил с онлайн, но купил в офлайне

Передача офлайн-конверсий в Метрику

•Аналитика звонков

Звонки, детально

Распределение звонков по дням недели и времени
суток

Источники звонков

Качество обработки звонков

Вместо выводов
1. Анализ без цели – пустая трата времени
2. Анализ снизу вверх – оптимальный путь
3. Сегментирование и персонализация – must have инструмент для
маркетолога
4. Модель атрибуции имеет значение
5. Онлайн и офлайн нужно анализировать вместе

Бауыржан Токтагазы
Business Development Officer
+7 702 467 44 66
b.toktagazy@netpeak.net
baurzhan.netpeak
Буду рад ответить на все ваши
вопросы

�ݺ�ߣ

Анализ эффективности интернет-рекламы

Recommended

More Related Content

What's hot (8)

Similar to Анализ эффективности интернет-рекламы (20)

More from Netpeak (20)

Анализ эффективности интернет-рекламы