Анализ эффективности многоканальных, интегральных рекламных кампаний

Измерение эффективности рекламных кампаний всегда было и еще долгое время останется краеугольным камнем маркетинга, проводимого в любых компаниях. Руководителям всегда захочется узнать, насколько эффективны их вложения в то или иное рекламное размещение.

Тяжело, и даже невозможно, измерить эффект от показа видео-ролика по телевидению. Или ротации аудио-рекламы по радио. В этом случае нельзя оценить, кто из потребителей данного медиаканала обратил внимание на послание компании, и нельзя узнать кто и как отреагировал на него.

В интернет-маркетинге дела обстоят совершенно иначе, здесь эффект от проведения рекламных кампаний измерить вполне реально. И в настоящее время этот вопрос стоит достаточно остро, так как все хотели бы узнать реальный эффект и рентабельность проводимых кампаний. Нет более важного вопроса на мировом уровне изучения эффективности интернет-рекламы, чем анализ многоканальных (или, как их еще называют в России – интегрированных) рекламных кампаний.

С развитием различных каналов интернет-рекламы (баннеры, контекстная реклама, SEO-продвижение, партнерские программы, email-маркетинг, социальные медиа и др.) все более актуальны вопросы правильного бюджетирования многоканальных рекламных кампаний в интернете. Здесь в слово «правильное бюджетирование» в основном вкладывается значение рентабельности, ведь при размещении дорогостоящей рекламы хочется знать и финансовую отдачу от нее.

Что же из себя представляют многоканальные рекламные кампании?

Рассмотрим типичную ситуацию. Часто для совершения посетителем целевого действия (к примеру, покупки в интернет-магазине, регистрации или загрузке прайс-листа с корпоративного сайта) ему требуется больше одного посещения сайта. Связано это с большим количеством альтернативных предложений на рынке, поэтому такая механика распространена повсеместно во многих конкурентных индустриях.

Таким образом, до совершения целевого действия проходит время, в течение которого посетитель контактирует с различными маркетинговыми сообщениями Вашей компании в различных рекламных каналах. К примеру, до покупки он сначала увидел Ваш баннер на новостном сайте, далее нашел Вас в поисковой системе, побывал на сайте и зарегистрировался, а купил только после Вашей email-рассылки по зарегистрированным пользователям.

Задачей измерения эффективности многоканальной рекламной кампании является определение каналов, которые привнесли наибольший вклад в конверсию посетителя. В нашем примере, задача сводится к тому, чтобы определить, какой из каналов воздействовал на посетителя и в какой мере. Напомним, что в нашем примере присутствует три канала: баннер, контекстная реклама и email-рассылка.

После определения степени влияния каждого канала на конверсию посетителя, нужно правильно скорректировать маркетинговый бюджет, поскольку гораздо логичнее инвестировать средства в наиболее эффективные каналы привлечения посетителей при грамотном сочетании тех или иных каналов. Иными словами, здесь можно получить ответ на извечный вопрос: «Как оптимально распределить рекламный бюджет между различными имеющимися рекламными и маркетинговыми каналами?»

Для верного решения этой задачи необходимо определить модель атрибуции трафика, то есть математическую модель, которая регламентировала бы вклад каждого рекламного канала в конечную конверсию посетителя. На данный момент мировая веб-аналитика рассматривает несколько моделей атрибуции:

1. Last-click – когда 100% эффект в конверсии принадлежит последнему источнику трафика в цепочке (в нашем примере это email-рассылка) и ему засчитывается конверсия;

2. First-click – когда 100% эффект в конверсии принадлежит первому источнику трафика в цепочке (в нашем примере это баннер) и ему засчитывается конверсия;

3. Even-click – когда эффект в конверсии распределяется между всеми рекламными источниками равномерно (по 33,3% от суммарного эффекта на каждый рекламный канал в нашем случае);

4. Custom-click – когда эффект в конверсии распределяется между рекламными источниками исходя из коэффициентов, которые аналитик подбирает самостоятельно (к примеру, в нашей ситуации – 40% баннер, 20% контекстная реклама и 40% email-рассылка).

Каждый из подходов обладает своими плюсами и минусами.

 Last-click используется во многих современных системах веб-анализа, однако не позволяет эффективно управлять маркетинговым бюджетом, поскольку не дает полного понимания о распределении бюджетов между каналами.

First-click кажется логичным (100% на первичное восприятие рекламного сообщения), но почему тогда посетитель так долго не мог сконвертироваться и для этого ему потребовались другие рекламные сообщения?

 Even-click не дает возможности различать качество рекламных каналов, приравнивая эффект от рисованного баннера и текстовой контекстной рекламы, что также выглядит слишком примитивно.

Поэтому, на наш взгляд, оптимальным подходом является создание собственной custom-click модели и анализ рекламных кампаний на ее основе.

Присваивание коэффициентов в модели custom-click каждому из источников трафика – довольно сложная задача, которую не стоит делать, основываясь на ощущениях. Есть несколько способов создавать модель атрибуции.

Первый из них основан на простом принципе тестирования и получения обратной связи, а также на огромных возможностях геотаргетинга интернет-рекламы. Геотаргетинг – это возможность выдачи посетителю содержимого, соответствующего его географическому положению, в последнее время этот вид интернет-рекламы пользуется достаточно большим спросом. 

Например, Вы инвестируете бюджет в контекстную рекламу, медийную рекламу и социальные медиа. Ваша рекламная кампания проходит на федеральном уровне по всей России, что дает Вам возможности для тестирования атрибуции. Попробуйте сделать предположения о том, что работает лучше и запустите рекламную кампанию в различных регионах с разным соотношением бюджетов. К примеру, в центральном федеральном округе положите 40% на контекстную рекламу, 20% на медийную и еще 40% на социальные медиа. А в сибирском – по иному алгоритму. Это даст Вам возможность протестировать и сравнить различные варианты, что с учетом скорости тестирования в онлайне, очень быстро поможет поднять ROI рекламного бюджета.

Второй способ основывается на контролируемом эксперименте, в котором при увеличении маркетингового бюджета Вы можете тестировать влияние каждого рекламного канала. К примеру, Вы инвестируете в баннеры и контекстную рекламу 1 000 000 рублей. В Вашем распоряжении появляется дополнительный бюджет в размере 100 000 рублей и Вы тратите его на увеличение бюджета контекста. Наблюдая за ростом конверсий (причем абсолютно не важно, с какого источника они произошли по данным системы веб-аналитики), Вы атрибутируете любой рост результатов на увеличение бюджета на контекст. Такое управляемое тестирование можно проводить опять же, до того момента, пока у Вас не снизится максимальная стоимость за клиента (или рекламный контакт).

Таким образом, вопрос выбора модели атрибуции является задачей управляемого тестирования, которое необходимо проводить рекламодателям с интегрированными маркетинговыми коммуникациями в целях повышения эффективности своих рекламных кампаний.

Так как отслеживание эффективности многоканальных рекламных кампаний в интернет-маркетинге тесно связано с веб-аналитикой, то необходимо упомянуть и инструмент, с помощью которого это можно осуществлять. 

Таким образом, теперь вооруженные знаниями теории и наличием инструмента вы сможете самостоятельно отслеживать эффективность многоканального маркетинга, проводимого в интернете и отбирать те ресурсы для размещения трафика, которые являются наиболее эффективными