Маркетинг, основанный на данных. 15 показателей, которые должен знать каждый - Марк Джеффри

Здесь, как и в других случаях, прежде всего нужно определить стратегию для своей маркетинговой кампании, а затем разобраться с целями бизнеса. Проще всего измерить все показатели, связанные с сайтом: отслеживание доли отказов в сочетании со специфическими показателями для кампании поможет оценивать происходящее в режиме реального времени. В следующей главе приведен подробный пример того, как это делает Microsoft.

Изменение правил для поискового маркетинга с помощью моделирования атрибуции

Как я уже говорил выше, основная проблема поискового маркетинга – атрибуция. Иными словами, когда пользователи осуществляют поиск, 100 % веса присваивается только последнему клику, который они делают перед покупкой (или который приводит к определенным желательным действиям). На рис. 7.4 отображены конкретные поисковые слова в рамках SEM-кампании, количество генерируемых ими кликов и соответствующий каждому из них доход.

На рис. 7.4 первые три ключевых слова были брендированными (содержали название компании, например «отпуск Expedia» или «выходные Orbitz»). Они обеспечивают примерно 50 % продаж. Стоит отметить, что распределение ключевых слов на рис. 7.4 имеет «длинный хвост»: есть много разных «небрендированных» поисковых слов, вносящих крайне незначительный вклад в продажи. Здесь снова проявляется принцип 80/20: в данном случае 17 % ключевых слов, три из которых были брендированы, внесли минимум 50 %-ный вклад в продажи. Поэтому кажется, что для оптимизации SEM имеет смысл прекратить инвестиции в небрендированные поисковые запросы, не приносящие денег. Однако это ошибочная тактика: предполагается, что основную роль играет именно последний клик. На самом деле нужно выяснить, как потребитель перемещается в поисках вашего продукта и какие небрендированные ключевые слова при этом использует.

Табл. 7.4. Реальная история перемещений пользователя, желающего купить «горящий тур»

Источник: Media Contacts

В табл. 7.4 указан реальный поток кликов для конкретного пользователя, покупающего туристическую поездку. Обратите внимание, что он использовал в разные дни различные инструменты. Он шесть раз проводил поиск на протяжении трех недель, что в конечном итоге привело к покупке тура на двоих. Данные такого рода можно получать с помощью анализа cookie для отдельных пользователей. Cookie – небольшой файл, располагающийся на компьютере пользователя и хранящий данные о его действиях в интернете. Каждый раз, когда пользователь совершает поиск с использованием определенных слов, информация обновляется. Cookie-файлы активны до 30 дней.

Компания Media Contacts, подразделение Havas[41], умеет анализировать данные cookie и сопоставлять уникальный ID пользователя и использованные им для поиска ключевые слова. Таким образом ей удается узнать все подробности перемещений клиента (табл. 7.4) на основании других видов его активности в интернете. В табл. 7.4 последний клик (брендированный поиск через Google) в рамках традиционной модели получил бы 100 % атрибуции для тура ценой 1205 долларов. При этом очевидно, что свою роль сыграли и другие пять поисков. Насколько важную? Для ответа на этот вопрос нужно создать модель атрибуции для поискового маркетинга.

Табл. 7.4. Реальная история перемещений пользователя, желающего купить «горящий тур»

Источник: Media Contacts

Media Contacts разработала собственную уникальную систему для моделирования атрибуции, получившую название Artemis. Ее идея в том, чтобы проанализировать все ключевые слова, их вес в процентном отношении в поиске, связанном с кампанией, и их вклад в итоговую продажу. Словам, которые встречаются чаще (например, из рис. 7.4), присваивается больший вес; соответственно, можно отследить, какие конкретно слова приносят доход. Например, в табл. 7.5A показана атрибуция кликов для трех различных кампаний, рассчитанная с помощью Artemis. Последние из нажатых ключевых слов получают примерно 50 % атрибуции; это и есть те 20 % кликов, обеспечивающих 80 % успеха (см. выше). Другие «вспомогательные клики» получают определенный вес в зависимости от их роли в обеспечении продаж для каждой кампании.

Что это значит? Основная идея в том, что бюджет на интернет-маркетинг должен пропорционально распределяться по вспомогательным ключевым словам, а не направляться только на последнее брендированное ключевое слово. Анализ потока кликов позволяет точнее определить, какие слова в поиске действительно влияют на конечное действие. В частности, в табл. 7.5Б приведены данные по всем моментам поиска из табл. 7.4 с более тщательной атрибуцией ключевых слов. Их можно объединить по всем поисковым перемещениям, содержащим ключевые слова для определенной кампании, и средней атрибуции, рассчитанной для каждого из них. После этого можно более эффективно распределять свой бюджет на SEM: больше средств направлять на те слова, которые приносят доход, с учетом атрибуции.

Например, Media Contacts провела подобный анализ для крупной туристической компании. Их маркетинговая онлайн-кампания предполагала использование более 500 тысяч ключевых слов, а моделирование атрибуции позволило переместить 50 % бюджетов с последнего клика на наиболее важные из предыдущих этапов поиска. Компания изменила подход и начала тратить больше на покупку небрендированных ключевых слов. Результатом стало 24 %-ное повышение ROA, вызванное более грамотным использованием ключевых слов на первых этапах поиска.

Вопросы поискового маркетинга и моделирования атрибуции могут показаться слишком сложными, но всегда можно начать с простого – у Google, Yahoo! и Microsoft есть бесплатная веб-аналитика. Вы сможете легко выделить компоненты вашей маркетинговой кампании и отслеживать поведение клиентов (что им нравится, на какие ссылки они жмут и т. д.) и собирать данные для следующих этапов.

Табл. 7.5: А – доля доходов от продаж в результате клика в ходе поиска для трех различных кампаний; Б – реальная история для клиента, ищущего «горящий тур», с учетом взвешенной по доходу атрибуции

Источник: Media Contacts

С помощью DoubleClick или другой аналогичной программы вы можете получить данные о поиске и истории кликов для конкретной маркетинговой кампании, а затем рассчитать важные показатели с помощью шаблона, приведенного в табл. 7.1. Поначалу анализ можно проводить в Excel, например создать матрицу 2 × 2 (см. рис. 7.2 и 7.3). Эти цифры позволяют произвести первичную оптимизацию, основанную на CPC, CTR и коэффициенте отклика (CTR × TCR). Оптимизация осуществляется сначала для поисковых машин, так как это гарантирует наилучшую отдачу на клик с определенной ценой, а затем для конкретной кампании в конкретной поисковой системе. И наконец, анализ ROA и чистой прибыли позволяет вам определить размер реальной ценности CPC.