Как получать больше лидов из контекстной рекламы с поддержкою когортного анализа | SEO кейсы: социалки, реклама, инструкция

Когортный анализ — сильное средство для оценки трендов, лояльности клиентов и их пути к покупке. Меган Таггарт объяснила, как ввести этот инструмент в ваши отчеты по контекстной рекламе. А команда i-Media перевела ее управление для SEOnews.

Клиенты, коллеги и остальные заинтригованные личика нередко задают b2b-маркетологам, подготовившим отчет по контекстной рекламе, одни и те же вопросцы:

Почему я вижу приток кликов и переходов по объявлениям, но не вижу возможных либо закрытых сделок?

В этом месяце мы вложили в контекст доп $15 000, ну и где результаты?

Каковой вклад контекстной рекламы в удержание клиентов?

Это главные вопросцы о эффективности контекстных кампаний, так как непосредственно они первыми прибывают на разум всем заинтересованным граням. Чтоб точно на их отвечать, требуются и суровые навыки в разработке отчетов, и хорошее понимание модели атрибуции, выбранной вашей организацией.

Практически все профессионалы по контекстной рекламе компетентны лишь в одной из этих областей, а потому их отчеты нередко отражают лишь половину общей картины. Из-за недостатков в измерениях, анализе, оптимизации и том, как расходуются рекламные бюджеты, клиенты остаются разочарованы плодами. Тем не наименее в арсенале профессионалов по контексту есть и др приборы, подсобляющие отвечать на вопросцы, так тревожащие клиентов.

Когортный анализ, применяющийся в отчетности по контекстной рекламе, быть может сильным средством оценки трендов, лояльности потребителей и их пути к покупке. Не считая того, он обеспечивает наиболее высшую точность при анализе результатов за целевой период, подходящий медли прохождения воронки продаж.

Мы осмотрим базы когортного анализа и разберемся, как запустить этот инструмент в ваших кампаниях, основанных на воронке привлечения клиентов:

Lead > Prospect > Opportunity > Customer

Лид > Возможный клиент > Возможная сделка > Покупатель

Что такое «когорта»?

Термином «когорта» в маркетинге означают сегменты юзеров, собранные по определенному признаку в рамках взыскательного промежутка медли. Когорты могут состоять из покупателей, подписчиков почтовой рассылки, юзеров, скачавших демоверсию, подключивших демонстрационный период либо выполнивших хоть какое иное конверсионное событие в воронке.

Какой бы ни была сегментация, ценность у этих групп возникает тогда, когда вы длинное время наблюдаете за ими и анализируете их поведение в протяжении всего цикла продаж. Без когорт рекламщикам остается лишь гадать о «возрасте» покупателей в воронке (другими словами о том, как длинно заключительные в ней находятся) . В данном варианте рекламщики не способны найти настоящий уровень лояльности клиентов.

Анализ эффективности контекстной рекламы традиционно подразумевает исследование кратких временных промежутков и сопоставление их с предшествующей неделькой, месяцем либо иным периодом. Это хороший сравнительный инструмент, но он не решает основной трудности. Отчет за краткий отрезок медли включает данные о расходах, которые еще не успели принести вам лид (либо привести юзера на другой шаг воронки) .

Другими словами, мы раздуваем характеристики цены за лид, так как учитываем расходы, которые никак не содействовали тем лидам, которые включены в отчет. Пример пути от клика до покупки показан ниже:

При сопоставлении нескольких периодов можнож выяснить средние характеристики эффективности для фиксированных групп, но таковой подход не учитывает выбросов (резко выделяющихся значений — прим. переводчика) . В качестве заключительных могут выступать группы повторных покупателей, юзеры, которые добавили продукт в корзину и ушли с сайта, либо же подборка жителей нашей планеты, пропадающих по пути к конверсии. Во всяком случае смешение новейших и ветхих покупателей неминуемо извращает результаты в отчете.

Ежели сопоставлять год к году средний доход на юзера во время Темной пятницы, то показатель может казаться хорошим, так как возрастающий по экспоненте трафик подстегивает реализации. Но как насчет юзеров, приобретавших у вас в прошлую Черную пятницу?Быстрее всего, ценность этих клиентов приметно падает, желая общие характеристики высоки как никогда. Исключение сочиняют случаи, когда реализуется действенная программа удержания клиентов.

В долгосрочной перспективе опираться необыкновенно на такие характеристики опасно. Они включают в себя прибыль, полученную от клиентской базы за всегда ее существования, заместо того чтоб учесть длительность присутствия клиентов в воронке.

Организация сбора данных

Переход к когортной модели просит кропотливой подготовительной работы. Очень главно убедиться в точности данных, которые вы собираете. В данном варианте главнейшие колонки в таблице – дата и временные отметки, такие как «Дата творения лида» и «Дата перехода лида на последующий этап» («потенциальная сделка», «покупатель», «дата первой покупки» и так дальше) .

Даты дозволяют замерять время, за которое юзеры проходят через воронку, и применять приобретенные данные в отчетах по контекстной рекламе. Вот образцовый набор колонок для отчета «Потенциальные сделки»:

  • дата творения лида,
  • дата творения возможной сделки,
  • ID лида,
  • источник,
  • кампания,
  • ключевое слово.

Время в воронке продаж

Итак, мы настроили сбор данных и получили результаты за статистически означаемый период ретроспективного анализа. Сейчас необходимо разобраться в том, сколько медли занимает прохождение воронки продаж у юзеров, перешедших по контекстной рекламе. Мы желаем понять, какое время будет нужно лиду, чтоб перевоплотиться в многообещающего клиента, потенциальную сделку и, в конце концов, в покупателя.

Чтоб получить полные данные для опции когортного анализа, нацеливайтесь на период от 6 до 12 месяцев. Задавать довольно широкий спектр дат очень главно: в неприятном случае можнож ошибочно оценить вклад контекстной рекламы в общие результаты.

Начнем с самого начала, чтоб в конце концов возвратиться к данным, которые мы желаем получить:

  • количество дней меж лидом и возможным клиентом;
  • количество дней меж лидом и возможной сделкой;
  • количество дней меж лидом и покупателем.

Выяснить количество дней меж лидом и возможным клиентом довольно просто. Берите дату творения потенциального клиента (другими словами дату, когда лид перевоплотился в потенциального клиента) и отымите от нее дату творения лида. Повторите эту операцию со всеми лидами и удостоверьтесь, что исключили главные выбросы.

Разбираться с лидом и возможной сделкой стоит в отдельном документе, чтоб не запутаться в данных. Берите дату, когда лид перевоплотился в потенциальную сделку, и отымите дату творения лида. Как и следовало ждать, получившийся период приметно больше, ежели временной отрезок от лида до потенциального клиента.

Повторите этот процесс с покупателями.

Опосля такового анализа вы будете великолепно представлять, как длинно лиды проходят любой из шагов. Вероятно, вас даже шокирует то, как длинным оказался цикл продаж в конкретном случае. Вы здесь же можете разъяснить, почему отчеты по неделькам не подходят для неких кампаний по привлечению клиентов. При этом ваши слова будут основаны на том, сколько медли на самом деле занимает прохождение воронки.

Выбор процентиля

Когортную модель можнож применять для наиболее прыткой и четкой оптимизации контекстных кампаний. Перед принятием решений не непременно ждать, пока 100% ваших лидов пройдут воронку. Заместо этого можнож выбрать пригодный процентиль (значение, которое данная случайная величина не превосходит с фиксированной вероятностью, выраженной в процентах – прим. переводчика) .

К примеру, ежели мы возьмем 75-й процентиль, то сможем найти, за сколько дней воронку пройдут 75% самых прытких лидов из контекстной рекламы. Процентиль может приметно уменьшить число дней меж шагами, приобретенное в итоге прошлых расчетов, но в этом нет ничего ужасного. Мы знаем, что оставшиеся лиды в некий момент перейдут на последующий шаг. Помните, что наша цель – принимать правильные решения живо.

При работе с сокращенным временным промежутком из модели придется исключать клиентов с немножко наиболее высочайшей ценой за достижение цели.

Другой пример: ежели целевая стоимость привлечения клиента сочиняет $750 и мы работаем с 75 процентилем, то необходимо прирастить показатель до $1000. Ежели бы мы ожидали, пока все покупатели преодолеют воронку, то получили бы наиболее низкую стоимость, ежели при учете 75% самых прытких из их.

Ежели мысль применять процентиль кажется вам очень трудной, задумайтесь о том, что работа со средними значениями и некогортной моделью все одинаково не дает четких результатов. Наша задачка — улучшить кампании на базе четких данных и так приближаясь к режиму настоящего медли, как это в принципе вероятно.

Опосля того как временные рамки и процентиль определены, не стоит включать в отчеты возможных клиентов, потенциальные сделки либо покупателей, которым требуется больше медли для конверсии.

Ежели период перехода на шаг «покупатель» сочиняет 30 дней, а конкретному юзеру потребовалось 45 дней, то вы искусственно завысите характеристики, включив его в 75-й процентиль. Такие покупатели обязаны учитываться в каком-то ином месте сводной таблицы, но не снутри когортной модели принятия решений.

Разработка отчетов и представление результатов

Чтоб составить четкие отчеты, необходимо до этого всего убедиться, что потенциальные клиенты, потенциальные сделки и покупатели не учитываются за пределами собственных временных рамок.

Как это смотрится на практике?Представим, что период перехода на шаг «покупатель» равен 30 дням. В данном варианте мы учитываем результаты лишь тех покупателей, которые ветше 30 дней и у каких было время «созреть». Чтоб получить точную стоимость привлечения клиента, нам также необходимо исключить расходы за заключительные 30 дней. Идет учесть издержки лишь за период «созревания» наших покупателей либо возможных сделок.

Опосля этих операций вы получите самые четкие отчеты о количестве юзеров, стоимости их привлечения и коэффициентах конверсии на различных шагах воронки.

Быстрее всего, выяснится, что эффективность рекламы длинное время была выше, ежели демонстрировала отчетность (так как в ней учитывались расходы за дни, еще не успевшие принести лидов) . Создав новейшие отчеты, вы получите возможность принимать решения на базе самых четких данных, с которыми вам приходилось иметь дело.

На иллюстрации выше анализ показал, что 75% самых прытких лидов преобразуются в покупателей в течение 6 месяцев. С учетом данной инфы, осматривать характеристики каналов при анализе стоимости привлечения клиента можнож лишь в 1-ый и 2-ой месяц.

При анализе цены за потенциальную сделку эти характеристики можнож осматривать за месяцы с первого по 5-ый. Наши лиды можнож анализировать практически в режиме настоящего медли.

Применение результатов когортного анализа

Прогнозирование. Поведение новейшей подборки клиентов еще проще предсказывать, ежели вы разумеете, как движение и развитие когорт из контекстной рекламы соединено с объемом продаж и прибылью.

Стратегия удержания клиентов. Идет ли вам уделять больше внимания деяниям опосля покупки?Выяснить о конфигурациях покупательских повадок и вовлеченности клиентов поможет сопоставление дневных, недельных либо месячных когорт и заработка, приобретенного от подходящей группы в период от 6 до 12 месяцев опосля покупки. Ежели размер продаж либо количество повторных покупок не растет, вероятно, стоит запустить стратегию удержания либо возвращения клиентов.

Сезонность. Сравнивая дату первой покупки с датой повторной либо с общим объемом продаж, можнож выделить юзеров, «отвалившихся» опосля праздничков либо высочайшего сезона. Эти данные дозволят понять, необходимо ли рекламщикам удваивать усилия по завершении сезона.

Необыкновенности поведения, связанные с местоположением. Ежели вы располагаете контекстную рекламу, нацеленную на различные городка либо страны, стоит сопоставлять месячные доходы, которые приносят те либо другие местоположения. Так вы узнаете, в которых регионах показатель жизненной ценности клиента (LTV) растет, а в которых — падает.

Различные модели анализа очень сильно различаются друг от друга, и переход на когортный анализ быть может ответственным решением. Для практически всех рекламщиков это нужный шаг при работе с кампаниями по привлечению клиентов.

Внедрение когортного анализа в отчеты по контекстной рекламе нередко становится сильным средством для показа настоящих долгосрочных трендов удержания, оттока и атрибуции клиентов (при этом на наиболее детализированном уровне) . Что еще наиболее главно, этот инструмент подсобляет найти новейшие способности, тайные снутри вашей контекстной стратегии.

Воззрение эксперта 

[i][/i]

Как получать больше лидов из контекстной рекламы с поддержкою когортного анализа | SEO кейсы: социалки, реклама, инструкция
Миша Чиликин, управляющий направления веб-аналитики i-Media Когортный анализ — хороший метод оценки эффективности продукта и маркетинга. К раскаянию, он не очень распространен на нашем базаре из-за собственной трудности (а готовых приборов с обычный интеграцией малюсенько) . Внедрение сходственной отчетности стоит свеч, ежели у вашего бизнеса длиннющий цикл сделки и/или жизни клиентов. Когортный анализ будет полезен компаниям, предлагающим сервисы по подписке (SaaS прибавления, видеоигры и тому сходственное) . Он также понадобится, ежели у вас цикличные реализации (можнож вспомнить рынок косметологических услуг, сервисы уборки и стирки) . Оценка по когортам поможет и в том случае, ежели ваши клиенты длинно принимают решение о покупке (к примеру, в электронной торговле с высочайшим средним чеком либо на базаре b2b) .

Пуск когортного анализа может перевернуть понимание эффективности маркетинга, которое сформировалось в компании, использовавшей классические способы его оценки. Потому ежели вы еще не ввели таковой подход — самое время пробовать.


Похожие новости

Добавить комментарий

Нам важно знать ваше мнение. Оставьте свой отзыв или ответ

Комментариев 0

Обновления на форуме