Digital-аналитика рекламных каналов является неотъемлемой частью работы над маркетинговыми кампаниями.
Одним из самых результативных подходов при анализе рекламных кампаний является исследование показателей эффективности в разрезе различных сегментов.
На практике чаще всего используются следующие популярные разбивки:
Анализ в разрезе рекламных кампаний;
По ключевым словам и группам объявлений;
По типу устройств (смартфоны, планшеты, компьютеры);
По гео (города и страны);
По демографическим признакам (пол и возраст).
Как правило, в ходе исследования специалист разделяет трафик между сегментами и оценивает разницу в стоимости лида (CPL) либо стоимости заказа (CPO). Далее производятся соответствующие корректировки.
Подобный анализ может дать специалисту большой объем полезной информации, которая, будучи правильно учтенной, даст значительный положительный эффект.
Однако практика показывает, что стандартных сегментов часто оказывается недостаточно, и многие аналитики / маркетологи начинают задаваться вопросом:
На что еще взглянуть в рекламных кампаниях, чтобы увеличить эффективность привлекаемого трафика?
Давайте разбираться!
1. Проанализируйте эффективность рекламы в разрезе размеров городов
Если ваши рекламные кампании охватывают широкий перечень городов (особенно много их бывает при таргетинге сразу несколько стран), привычный многим анализ трафика в разрезе местоположений часто оказывается неэффективным.
Как правило, это связано с тем, что статистика излишне “размывается” по множеству гео; такие данные не позволяют произвести адекватную оценку эффективности длинного хвоста из населенных пунктов.
Практика показывает, что в такой ситуации эффективным оказывается анализ с разбивкой по размеру городов.
Да, такой анализ может оказаться трудоемок и требует определенного времени на подготовку, но его практическая польза может оказаться очень существенной.
При этом следует помнить, что в Яндекс Метрике существует группировка “Размер города”, позволяющая быстро сделать подобный отчет “на коленке”:
Если на сайте не установлена Метрика либо диапазоны, предоставляемые в группировке “Размер города”, вам не подходят, целевой отчет формируется вручную.
Например, на скриншоте ниже (из реального анализа) мы можем наблюдать значительную разницу в коэффициенте конверсии между городами разного размера (соответственно, можем внести корректировки в геотаргетинг рассматриваемой рекламной кампании):
Рекомендуемые шаги по составлению такого отчета:
Выгружаем статистику по эффективности рекламных кампаний в разрезе городов;
Рядом с каждым городом указываем характерный диапазон размера его населения;
Далее через инструмент сводных таблиц составляем финальную версию отчета, в котором определяем, как варьируется эффективность РК в зависимости от размера города;
Если наблюдаем значительную разницу в эффективности между городами различных размеров, учитываем это в геотаргетинге (например, оставляем в рамках таргетинга только города из эффективных диапазонов).
Наиболее часто применяемые диапазоны (по нашему опыту):
До 100 тыс. населения
От 100 до 500 тыс. населения
От 500 тыс. до 1 млн.
От 1 до 3 млн
Свыше 3 млн.
Разумеется, эти диапазоны могут корректироваться в зависимости от стран, в которых показывается исследуемая онлайн-реклама (например, для небольшой Чехии диапазоны будут совершенно не такими, как для крупной страны).
Анализ в разрезе размеров городов не раз доказывал свою эффективность, и мы рекомендуем проводить его на регулярной основе.
2. Исследуйте показатели рекламы в разрезе браузеров, разрешений экрана и операционных систем
Если анализ по типам устройств (мобильные устройства, компьютеры, планшеты) считается стандартным и используется часто, то анализы в разрезе операционных систем / разрешений экрана / браузеров, проводятся существенно реже.
При этом такие анализы могут быть очень полезны; в частности, они позволяют выявить технические проблемы с сайтом для разных версий ОС, браузеров, разрешений экранов (например, обнаружив пониженную конверсию в Яндекс Браузере, можем отдельно проверить отображение сайта в нем).
Кроме того, некоторые рекламные системы (в том числе Яндекс Директ) позволяют вносить корректировки ставок по разбивке “Android / iOS”; как известно, эти ОС часто демонстрируют различающиеся показатели конверсии в заявку и CPL. Это чрезвычайно полезная возможность.
Например, на скриншоте ниже (из Мастера Отчетов Яндекс Директ) наблюдаем разницу в стоимости конверсии между различными операционными системами (при необходимости можем внести соответствующие корректировки на уровне рекламной кампании):
3. Изучите эффективность в разбивке по страницам входа
Анализ в разрезе страниц входа может быть полезным и показательным.
Представьте: на определенный перечень страниц входа привлекается большой объем трафика из целого ряда кампаний, каждая из которых характеризуется своими особенностями (геотаргетинг, набор ключевых слов, наборы и интересов, креативы и т.д.).
Разнообразие рекламных кампаний может “размывать” получаемые статистические данные. Разбивка по посадочным помогает внести некоторую ясность в актуальную ситуацию и стать отправной точкой для корректировок рекламных кампаний.
Так, может оказаться, что есть ряд посадочных, которые демонстрируют повышенную эффективность в сравнении с остальными; обнаружив это, специалист может попытаться выяснить причину: возможно, дело в семантике, возможно - в конкретных категориях товаров, иногда обнаруживаются и технические проблемы на “отстающих” страницах.
Например, на скриншоте ниже наблюдаем значительную разницу в конверсии двух вариаций посадочной:
Описанный метод - удобный и эффективный с практической точки зрения. Если стандартные отчеты по рекламному трафику не дали нам новой информации, мы рекомендуем использовать дополнительную разбивку по посадочным страницам одним из первых анализов.
4. Проанализируйте рекламные кампании в разбивке “новые / возвратные пользователи”
Конверсия между пользователями, впервые попавшими на ваш сайт, и повторными посетителями, может существенно различаться.
Оценив данную разницу, вы можете понять, стоит ли разделять рекламные кампании для новых и вернувшихся пользователей. Иногда она так велика, что появляется смысл в раздельном управлении ставками для новой / возвратной аудитории.
В Яндекс Метрике для оценки данного сегмента существует группировка “Является ли визит первым визитом посетителя”:
Обнаружили значительную разницу между рассматриваемыми сегментами, можем не только управлять ими через корректировки ставок (это стандартный подход), но и выделять отдельные кампании, таргетинг в которых будет строго ограничен только новыми либо только возвратными пользователями.
5. Разбейте семантику рекламных кампаний по смысловым группам и изучите показатели каждой из них
Как и в случае с городами и страницами входа, очень часто конверсии, по которым вы оцениваете поисковые рекламные кампании, “тонким слоем” распределяются между ключевыми словами и поисковыми запросами. Это усложняет анализ.
Сгруппировав ключевые слова по смысловым группам и отдельно оценив эффективность каждой, вы можете обнаружить сегменты, которые демонстрируют показатели, существенно отличающиеся от средних результатов рекламной кампании.
Обычно работа ведется с выгрузкой ключевых фраз: каждое ключевое слово относится к определенной смысловой группе, после чего по ним формируется сводный отчет с показателями эффективности. Безусловно, это достаточно трудоемкий процесс, но результат часто позволяет значительно улучшить качество рекламных кампаний.
По каким признакам ключевые фразы могут быть объединены в смысловые группы? Есть большое количество вариаций, например:
Наличие “горячих” добавок в ключевой фразе (“купить”, “цена” и т.д.) и остальные фразы без подобных добавок;
Фразы с указанием гео и ключевые слова без гео;
Фразы с указанием брендов и без;
Фразы с высоким уровнем конкретики (например, точное указание модели) и остальные, более широкие фразы;
Фразы с группировкой по разным категориям продуктов;
Много- и малословные фразы.
Число вариаций смысловых групп может быть очень велико и каждый специалист самостоятельно решает, какие варианты следует использовать прямо сейчас.
Обнаружив смысловые группы с высокими показателями, вы можете, например, вынести ключевые фразы из них в отдельные рекламные кампании.
Наоборот, ключевые слова из группы с низкими показателями могут быть остановлены.
6. Проанализируйте эффективность поисковой рекламы, исходя из места объявления в поисковой выдаче
В ряде тематик конверсия на поисковых кампаниях может значительно различаться в зависимости от того, с какого места был клик: с первого места или ниже, над органической выдачей либо под.
Такой зависимостью характеризуются “срочные” тематики (эвакуация авто, вскрытие дверей и др.), а также любые тематики с очень высоким уровнем конкуренции в рекламной выдаче.
Может оказаться, что повышенная конверсия для объявлений с первых позиций компенсирует большую стоимость клика, и следует обеспечивать максимальный объем показов именно в верхней части рекламной выдачи.
Может наблюдаться и обратная ситуация, когда экономия от пониженной цены клика при показе вне топа рекламной выдачи легко компенсирует пониженную конверсию.
Если вы обнаружили зависимость эффективности от места показа объявления, это следует учесть при назначении ставок.
Пример отчета в аккаунте Яндекс Директ (используется параметр “Вид размещения”):
7. Изучите диапазоны IP-адресов для рекламного трафика
Анализ в разрезе IP-адресов может оказаться полезным, если вы опасаетесь “атаки” ботов либо ручного склика на своем сайте.
Рекламные системы всегда декларируют, что фильтрация ботов в них чрезвычайно эффективна благодаря автоматизированным алгоритмам защиты. Как показывает практика, это действительно так, но время от времени эти алгоритмы все же дают сбой; нами последний случай такого сбоя был обнаружен в конце 2023 года.
Обнаружив потенциально проблемные диапазоны IP-адресов, вы можете либо исключить их (некоторые рекламные кабинеты предоставляют такую возможность), либо временно деактивировать те кампании и, группы объявлений, которые привлекают основную долю переходов от ботов.
Важно учесть, что ручная проверка IP-адресов работает только в достаточно простых случаях, когда склик ручной либо работает на основе примитивных алгоритмов. Однако даже сейчас такие виды склика встречаются достаточно часто.
Например, в примере ниже видим наличие нескольких диапазонов IP, которые вызывают определенное подозрение и требуют дополнительного исследования:
8. Исследуйте сегменты “неизвестно” в рекламных кабинетах
Сегмент “неизвестно” (“не определен”, “unknown”) чаще всего присутствует в рамках демографических параметров (“пол” и “возраст”, в некоторых рекламных системах - также “наличие детей” и “семейный статус”).
Это чрезвычайно интересная для анализа разбивка, так как очень часто сегмент “неизвестно” демонстрирует эффективность, которая существенно отличается от средних показателей рекламной кампании. При этом его эффективность может быть как заметно хуже, так и лучше.
Кроме того, в редких случаях излишне большой процент переходов с сегмента “неизвестно” является косвенным признаком избыточного количества ботов на вашем сайте.
Важно учитывать, что в системах аналитики типа Google Analytics 4 сегменты “неизвестно” в отчетах по демографии либо отсутствуют, либо рассчитываются не так, как в рекламных кабинетах. Рекомендуется оценивать наличие и влияние данного сегмента напрямую в рекламных системах.
Ниже приведен пример того, как выглядит сегмент “не определен” в Мастере Отчетов Яндекс Директ:
Обнаружив значительные отличия в показателях сегмента “неизвестно” в сравнении со средними значениями, можем внести необходимые корректировки в рекламных кампаниях.
9. Изучите места размещения медийных рекламных кампаний
Текущая рекомендация в большей степени относится к рекламной системе Google Ads, которая обеспечивает гибкие возможности работы с местами размещения на уровне рекламных кампаний.
Анализ в разрезе площадок, на которых показывалась медийная реклама (сайты, приложения, каналы Youtube и т.д.) активно используется практически всеми опытными маркетологами. Текущий пункт описывает не сам анализ, а рекомендуемый подход к применению его результатов.
В целом, исследование площадок это действительно полезный и нужный тип анализа.
Как правило, проблемные площадки, выделенные при изучении статистики, минусуются (показ объявлений на них запрещается).
В большинстве случаев к проблемным относятся явно нецелевые площадки (например, часто минусуются ресурсы с детскими играми), либо сайты / приложения, где был откручен значимый бюджет без получения целевых конверсий.
Проблема с таким подходом состоит в том, что для рекламных кампаний с широким охватом и большим объемом трафика такая минусовка может растянуться на длительный срок; вы будете расходовать бюджет неэффективно, пока не накопите необходимый объем статистики.
Часто более эффективным является иной подход.
В рамках него медийные кампании “работают” парами.
Первая кампания работает обычным образом и, прежде всего, используется для сбора эффективных площадок. В ней параллельно и отключаются неэффективные плейсменты, и собирается перечень эффективных площадок. Чаще всего она работает с ограниченным бюджетом.
Вторая кампания используется для максимально полного использования эффективных площадок. Так, обнаружив, что определенная площадка эффективна (она активно приносит конверсии либо демонстрирует хорошие поведенческие показатели пользователей), мы переносим ее из первой кампании во вторую (“hot-кампанию”), добавляя к отобранным ранее эффективным площадкам.
В hot-кампании мы максимизируем положительный эффект от качественных площадок, обеспечивая максимальный охват наших объявлений (как правило, через повышенные бюджеты и ставки).
Пример отчета по плейсментам в Google Ads:
Такой подход требует постоянных повторяющихся итераций по анализу и сбору качественных площадок, но и эффект от качественно собранной hot-кампании может быть чрезвычайно большим.
10. Изучите показатели рекламы на основе микроконверсий
Понятие “микроконверсии” может трактоваться по-разному. В рамках данного пункта под микроконверсиями мы понимаем события, которые активно достигаются ценными для бизнеса пользователями (оставляющими заявки и совершающими покупки).
Перечень вариаций таких событий достаточно велик, ниже перечислены популярные варианты:
Длительное время нахождения на сайте;
Факт старта оформления заказа;
Проскролил длинный лендинг до самого низа;
Посетил важные разделы сайта;
Скачивание файлов с сайта.
Согласно нашей практике, микроконверсии лучше использовать для того, чтобы отыскать неэффективные сегменты для дальнейшей деактивации.
Использовать микроконверсии для определения эффективных сегментов следует осторожно; опыт показывает, что такие сегменты все же лучше определять по полноценным лидам и транзакциям.
Популярный рекомендуемый сценарий использования микроконверсий на практике выглядит следующим образом.
Предположим, вам необходимо существенно сократить расходуемый рекламный бюджет, однако объем целевых заявок / продаж недостаточно велик для проведения качественного анализа. В этом случае мы можем отобрать одну либо несколько достаточно массовых микроконверсий, после чего изучить, насколько активно они достигаются в разрезе различных сегментов. Те сегменты, которые не характеризуются большим числом микроконверсий, но уже привлекли большой объем переходов, - первые в очереди на отключение либо понижение ставок.
Такой подход достаточно прост, но при это позволяет достаточно эффективно выявлять проблемные сегменты в рамках рекламных кампаний.
Пример распределения микроконверсий в разрезе типов устройств в Яндекс Директ:
11
Сравнительный анализ по парам временных периодов (удачный и неудачный)
В определенном смысле этот тип анализа является производным от анализа в разрезе сегментов, и может быть полезен, если вы обнаружили необъяснимое падение (либо, наоборот, рост) показателей.
Итак, предположим, что вы обнаружили негативную динамику в показателях рекламных кампаний, которую затрудняетесь объяснить. Если согласно Истории Изменений никаких значительных изменений в проблемных кампаниях не производилось, мы рекомендуем сделать сравнительный анализ согласно следующим шагам:
Определите период, в который уже некоторое время наблюдаются измененные показатели;
Найдите сопоставимый по объему переходов период с хорошими показателями рекламы (желательно, чтобы этот период был хронологически близок к первому);
Выставьте сравнение отобранных ранее диапазонов в изучаемых отчетах;
Последовательно разбивайте отчет на различные сегменты (как стандартные, так и приведенные в этой статье ранее), пытаясь определить, в каких сегментах могло измениться распределение трафика и конверсий между периодами.
Пример сравнения распределения конверсий по сегменту “пол” в рамках двух периодов:
Подобный отчет может оказаться крайне полезным, наглядно показав, между какими сегментами “перетек” трафик и, таким образом, подсказать специалисту, на что следует обратить внимание в первую очередь.
Теперь вы знаете насколько разносторонне может быть изучен получаемый рекламный трафик, и насколько много существует возможностей по улучшению качества рекламных кампаний.
Надеемся, наша статья была полезна для вас! Делитесь в комментариях, какими методами для улучшения показателей рекламного трафика чаще всего пользуетесь вы.
kovserg