Александр Егоров рассказывает, как тестирование разных каналов платной рекламы может изменить общую оценку их прибыльности.
Статья по материалам выступления Александра Егорова, сооснователя и управляющего партнера системы сквозной аналитики Alytics, на конференции CyberMarketing 2019.
Что не так с контекстной рекламой в России?
Контекстная реклама приносит убытки. Что делать?
Как измерять эффективность тестовых размещений
Подводные камни сквозной аналитики и способы их обхода
1. Длинный цикл принятия решения
2. Реклама окупается не с первой покупки
Модели атрибуции: как все меняется в зависимости от подхода
Первый подход — ассоциированная + обычная конверсия
Второй подход — линейная модель атрибуции
Что не так с контекстной рекламой в России?
Есть исследование 2018 года, в котором авторы утверждают, что средняя стоимость клика на тот момент в Яндекс.Директ составляла 21,42 руб., а в Google Ads — 22,39 руб.
Что означает такая стоимость клика для бизнеса? Чтобы это узнать, нужно рассчитать стоимость клиента/заказа. Это можно сделать по формуле
CPO = цена клика / конверсия в заказ / конверсия в оплату.
Средняя конверсия в заказ — 1%. Естественно, у каждого она своя, но средний уровень примерно такой.
Средняя конверсия в оплату тоже сильно варьируется: например, в e-commerce при наличии сильного бренда выкупают около 80% заказов, а в сложных В2В-проектах конверсия в оплату будет на уровне 20%. Возьмем средний показатель — 50%.
Получается, что стоимость клиента при заданной средней цене клика составляет 4,4 тыс. рублей. Что нам дает эта сумма? Чтобы в этом разобраться, нужно понять, каким должен быть адекватный средний чек при такой стоимости клиента.
Берем формулу:
чек = СРО / доля маркетинга от прибыли / маржинальность.
СРО мы уже рассчитали. Предполагаем, что от всей прибыли компания тратит 30% на маркетинг. Маржинальность установим на уровне 50% — показатель выше среднего по рынку, но если его снизить, итоговые цифры будут хуже.
Получается, что при цене клика 22 рубля средний чек должен быть 29,3 тыс. руб., иначе реклама не окупится. В среднем для рынка это очень высокий чек.
Делаем вывод: на сегодняшний день для большинства рекламодателей рекламные системы Яндекс.Директ и Google Ads, скорее всего, невыгодны и приносят лишь убытки.
Почему так случилось? Потому что еще 5-7 лет назад всем казалось, что контекстная реклама — спасательная удочка, благодаря которой после размещения рекламы можно легко попасть в прибыльную комфортную зону. Есть даже бизнесы, которые на этом выросли и теперь держат миллиардные обороты.
Но за эти 5-7 лет многое изменилось:
- Многократно увеличилось число покупателей контекстной рекламы. Поскольку в Яндексе и Google аукционные системы, получаем результат — чем больше конкурентов, тем выше цена клика.
- Аудитория Рунета не растет. Конкуренция усиливается, а потенциальных покупателей больше не становится.
- Крупные рекламодатели значительно увеличили и продолжают поднимать расходы на рекламу.
- Покупатели стали разборчивее. Они поняли, что покупать в интернете не выгоднее, а иногда даже дороже, вдобавок выше риск мошенничества.
Все это привело к тому, что стоимость рекламы значительно выросла.
Модуль PromoPult для таргетированной рекламы в соцсетях: все каналы в одном кабинете, минимальные бюджеты, автоматизированное создание креативов, автоматическое управление ставками, удобный подбор таргетингов.
Контекстная реклама приносит убытки. Что делать?
Надо искать альтернативные способы привлечения клиентов и источники выгодного трафика.
Алгоритм такой:
- Ищем новые источники трафика. Это может быть что угодно: соцсети, видеореклама, новый инвентарь от Google, Instagram*, блогинг, Дзен и пр.
- Выделяем на каждый источник трафика тестовый бюджет. Желательно тысяч 50, но лучше выделить больше, если есть возможность. Этой суммы должно хватить для полноценного тестирования.
- Измеряем эффективность тестового размещения. О том, как это делать правильно, поговорим ниже.
- Если тестовое размещение оказалось успешным, масштабируем, увеличиваем бюджет на работу с конкретным источником трафика.
Этот процесс цикличен. Главная особенность этого подхода — нужно быть готовым слить в пустоту немного рекламного бюджета. Когда вы закладываете 50 тысяч рублей на эксперимент, вы внутренне теряете эти деньги и понимаете, что затраты, вероятно, не окупятся.
Как измерять эффективность тестовых размещений
Далеко не все делают это правильно. Эффективность тестового размещения нужно измерять продажами. Не конверсиями в Google Analytics и Яндекс.Метрике, а именно продажами. Правильно измерить эффективность можно с помощью сквозной аналитики.
Сквозная аналитика — это подход к измерению эффективности рекламы, в котором вы сводите в единый отчет затраты на рекламу с продажами из CRM-системы. Вы видите, сколько тратите денег на каждый канал и сколько получаете на расчетный счет благодаря рекламе в канале.
Основные показатели по каждому рекламному каналу, которые вам нужно учитывать, — это трафик, расходы, количество продаж, выручка, прибыль, коэффициент окупаемости.
Итак, вы запустили тесты и начали измерять. Что дальше? Зависит от результата измерений:
- Если доходы выше расходов — масштабируйте рекламу в конкретном канале.
- Если доходы равны затратам — попробуйте масштабировать и продолжите тестирование. Возможно, при большем объеме рекламы вы получите больше продаж и прибыли.
- Если доходы ниже расходов, у вас два варианта. Первый — уменьшить инвестиции или отключить рекламу в конкретном канале. Второй — продолжить тест при большем бюджете. Возможно, увеличение объемов приведет к росту продаж.
- Если доходы значительно ниже затрат, либо продаж вообще нет, рекламу нужно отключать. Продолжать тестирование нет смысла.
Но не всё так просто и однозначно. В использовании сквозной аналитики есть свои тонкости.
Подводные камни сквозной аналитики и способы их обхода
1. Длинный цикл принятия решения
Предположим, вы выбрали канал, запустили тесты, потратили 50 тыс. руб., начали измерять эффективность. И у вас возникла проблема: ваши 50 тыс. закончились за пару недель, а продаж нет, потому что цикл принятия решения очень долгий. Клиенты оставляют заявки, но до завершения сделок еще далеко, поэтому реальных денег вы пока не получили. Такая ситуация бывает в В2В, при продаже сложных продуктов и очень дорогих товаров (недвижимости, автомобилей). Если следовать алгоритму выше, вы должны отключить рекламу, потому что 50 тыс. потрачено, а продаж ноль. Но при длинном цикле сделки быстрых продаж быть и не может.
Что делать в этом случае? Вариантов два. Первый — измерять количество заявок. Это не лучший выбор: мы не знаем, сколько заявок превратятся в продажи. Второй вариант — продлить тест и измерить количество продаж и прибыль позднее.
2. Реклама окупается не с первой покупки
Второй важный нюанс, который необходимо учесть при измерении эффективности: существует много бизнес-ниш, в которых по сложившимся законам рынка невозможно окупить рекламу с первой покупки. В этом случае нельзя измерять эффективность теста первой продажей — нужно учитывать и повторные покупки.
Пример такой бизнес-ниши — электроника. В этой сфере очень высокая конкуренция и очень низкая маржинальность. Поэтому продавцы электроники стремятся удержать клиента и делают все, чтобы он совершал повторные покупки: предлагают акции, карты лояльности, скидки на следующую покупку и пр.
Тем, кто работает в таких нишах, нужно делать измерения с учетом времени жизни клиента и его повторных покупок. Но и тут возникает проблема: вы не знаете, когда клиент совершит повторную покупку и совершит ли ее вообще. Вариантов снова два. Первый — ждать и вносить корректировки в измерения. Второй — используя данные из CRM, посчитать, сколько в среднем вы получаете повторных покупок, и умножить выручку от первых покупок на этот коэффициент. Тогда вы будете приблизительно представлять, какую прибыль вам принесут клиенты в будущем.
Пример: за один и тот же период компания получила 769 первичных и 678 повторных покупок. Это значит, что даже если первые покупки были убыточными для компании, вдолгую фирма заработает на клиентах почти вдвое больше благодаря повторным заказам.
3. Мультиканальность
Третий подводный камень связан с мультиканальностью и моделью атрибуции.
Дело в том, что с момента возникновения потребности в покупке до закрытия сделки клиент может взаимодействовать с вашим сайтом очень много раз: переходить на него по объявлению в Яндекс.Директе, кликать на рекламу в Facebook*, смотреть ролики вашего бренда или рекламу на YouTube и кликать по ссылке на сайт, заходить через рассылку и пр.
Допустим, что, спустя 3-4 недели после первого захода на сайт, после всех кликов по рекламе, просмотров видеороликов и других действий клиент совершил покупку. Возникает вопрос: какой рекламный канал привлек покупателя?
Вы заходите в Google Analytics и видите в отчете примерно такую цепочку:
Большинство в этом случае измеряют эффективность рекламы по модели атрибуции «последнее непрямое взаимодействие» — отдают продажу последнему непрямому каналу в цепочке.
Почему мы так делаем? Потому что популярные счетчики веб-аналитики, такие как Яндекс.Метрика и Google Analytics, почти все отчеты строят по этой модели атрибуции, и мы с вами к этому привыкли.
В результате, когда мы измеряем эффективность рекламы, мы игнорируем большую часть каналов. Это неправильно. Нужно выбирать более релевантные модели атрибуции.
Модели атрибуции: как все меняется в зависимости от подхода
Сразу сделаем оговорку: есть с десяток эффективных моделей, и у каждой свои плюсы. Варианты, представленные ниже, — не идеальные и понравятся не всем аналитикам. Просто они универсальны и подходят большинству рекламодателей.
Первый подход — ассоциированная + обычная конверсия
Измеряя эффективность канала, мы используем привычную модель — последнее непрямое взаимодействие, но еще заглядываем в ассоциированные конверсии и задаемся вопросом, участвовал ли в продаже другой канал (в начале, середине, в конце цепочки, но не последний). Отчет с ассоциированными конверсиями можно посмотреть в Google Analytics.
Как при расчете ROI учесть канал, который принес ассоциированные конверсии? Суммируйте выручку от обычной и ассоциированной конверсии, посчитайте прибыль и сможете определить ROI.
При этом на ассоциированную конверсию можно наложить понижающий коэффициент — опыт подсказывает, что оптимальным коэффициентом будет 0,3.
Второй подход — линейная модель атрибуции
Суть в равномерном распределении данных по каждой покупке между всеми каналами в цепочке, с которыми взаимодействовал клиент. Например, если вы заработали на сделке 40 тыс. руб., а покупатель перед оформлением заказа заходил с четырех рекламных каналов, каждому из них вы отдаете по 10 тыс. руб.
Этот подход помогает пересмотреть эффективность каналов и правильно распределить бюджет. Вот реальный пример:
Яндекс.Директ и Google Adwords кажутся очень прибыльными при использовании стандартной модели атрибуции «последнее непрямое взаимодействие», поскольку в большинстве случаев находятся в конце цепочки взаимодействия с сайтом.
Facebook*, наоборот, представляется крайне убыточным: при ROI -55%, тратя в месяц на этот канал 200 тыс. рублей, в год мы должны терять около 1,2-1,3 млн руб. Казалось бы, нужно срочно отказаться от этого канала. Но при использовании линейной модели мы видим другую картину: ROI у Facebook* возрастает до 142%, а Google Adwords оказывается убыточным.
Делаем вывод: нам нужно не отказываться от Facebook*, а наоборот, вкладывать больше в этот канал.
Так правильный выбор модели атрибуции помогает увеличивать продажи и грамотно распределять бюджет.
*Соцсети Instagram и Facebook запрещены в РФ. 21.03.2022 компания Meta признана в России экстремистской организацией.
