Мы публикуем заключительную часть обзора «Осенней сессии по контекстной рекламе 2014», состоявшейся 12 сентября 2014 года в московском event-холле «Инфопространство». В первой и второй частях обзора мы представили доклады:
В завершающей части обзора мы знакомим читателей с докладами Петра Аброськина (Arrow Media), Сергея Волчкова и Елены Науменко (Lamoda), Максима Лепихова (CubeLine). Выступления были посвящены:
Доклад Петра Аброськина из Arrow Media назывался «Внутренние оптимизаторы (Директ и AdWords) против Внешних оптимзаторов (Adlens, Marin, K50)». В своем выступлении Петр сравнивал инструменты для управления ставками в контекстной рекламе.
В начале выступления докладчик сделал небольшой обзор того, что такое оптимизаторы и чем они отличаются от агрегаторов и генераторов для контекста. Петр рассказал:
По словам эксперта, оптимизаторы конверсий необходимы рекламодателю в том случае, если в ходе кампании ведется строгий контроль расходов и ставки корректируются вручную. Оптимизатор необходим, если:
Петр рассмотрел несколько типов оптимизаторов для Google AdWords и Яндекс.Директа. Для GA существуют:
Каждый инструмент докладчик проанализировал подробно. Принцип работы оптимизатора цены за конверсию — каждый раз, когда объявление показывается, Google автоматически повышает или понижает максимальную ставку по юниту (ключевому слову, группе объявлений или месту размещения) на основе данных вероятности конверсии.
Преимущества Enhanced CPC:
Минус Enhanced CPC:
Оптимизатор Enhanced CPC подойдет практически для всех рекламодателей, начинающих использовать оптимизацию в работе с контекстом. Время от времени есть необходимость вручную повышать максимальные ставки по эффективным словам, так как система не может повысить изначальные ставки, более чем на 30%.
Принцип работы Conversion Optimizer — оптимизатор анализирует десятки факторов влияющих на конверсию, по аналогии с оптимизатором цены за конверсию (местоположение пользователя, его браузер, поисковой запрос и т.д.). Кроме этого, система учитывает цену за конверсию, которую рекламодатель указал в настройках.
Преимущества Conversion Optimizer:
Минусы:
По мнению докладчика, решение Conversion Optimizer хорошее, но чувствительное к изменениям в рекламной кампании. Отлично подойдет тем рекламодателям, у кого есть стабильность в получаемых конверсиях и стоимости их привлечения. Петр также пояснил, что после отключения оптимизатора все ставки автоматически вернутся на те значения, которые были актуальны до запуска. Система также задает ставки только на уровне групп объявлений. Считается, что наиболее эффективным этот инструмент будет при использовании структуры: 1 группа объявлений — 1 ключевое слово.
Последним из внешних решений Петр рассмотрел систему Target ROAS, направленную на целевую рентабельность инвестиций. Принцип работы системы — с её помощью AdWords прогнозирует количество и ценность будущих конверсий на основе этих данных.
Плюсы Target ROAS:
Минусы:
Система Target ROAS будет полезно для интернет-магазинов и поможет получать заказы с самым большим средним чеком. Но необходим постоянный контроль над получаемыми данными.
При работе с внешними решениями лучше всего придерживаться строгой инструкции:
Далее докладчик перешел к оптимизаторам Яндекс.Директа. Их два — для максимальной конверсии и для конверсии по средней цене.
Принцип работы оптимизаторов для максимальной конверсии:
Плюсы решения для максимальной конверсии — возможность выбирать приоритеты фраз и задавать пределы ставок. Минус — ориентир только на целевые визиты, а не на достижения целей. Тем не менее, по мнению эксперта оптимизатор для максимальных конверсий хорошо подходит для Яндекс.Директа.
Оптимизатор для поддержания средней цены за конверсию полезен тем, что позволяет привлекать конверсии с заданным CPO. Это его единственное серьезное отличие.
Оптимизатор для средней цены за конверсию работает по следующему принципу — рекламодатель указывает среднюю стоимость конверсии, а система оперирует ставками так, чтобы привлечь максимальное количество конверсий, не выходя за рамки заданной рекламодателем стоимости. Докладчик охарактеризовал эту стратегию как решение, которое отлично работает при накоплении большой статистики.
Для оптимизаторов Яндекса рекомендуется также использовать следующую инструкцию:
По словам докладчика, если есть потребность в оптимизаторе, то лучше начинать с внутренних решений. Во-первых, это бесплатно. Во-вторых, иногда они показывают результаты не хуже, чем внешние системы.
Перейдя к последней части своего доклада, Петр обозначил три внешних оптимизатора, характеристиками которых он поделился. Это:
Оптимизатор Adobe Adlens способен хорошо прогнозировать результаты и он может интегрироваться с Яндекс.Директ. Из минусов решения — процесс интеграции сложный, кроме того имеется собственный счетчик данных, из-за чего могут возникнуть расхождения с данными Директа.
Принцип работы Adobe:
АА — дорогое и функциональное решение, которое подойдет рекламодателям с большим количеством данных и готовым к обучению работе с системой.
Оптимизатор Marin Software позволяет рассчитать наиболее эффективную ставку для каждого ключевого слова. Если данных недостаточно, то система ищет и объединяет между собой все похожие данные в рекламной кампании.
Из плюсов Marin Software:
Недостатки Marin Software:
Данная система существует в разных версиях, благодаря чему подходит как для прямых клиентов, так и для агентств. Как и Adobe Adlens, MS требует серьезного обучения.
Внешний оптимизатор К-50 способен управлять ставками на основе уровней данных. Это решение обладает хорошей техподдержкой и может интегрироваться с Яндекс.Директом и Яндекс.Маркетом.
Принцип работы K-50:
Возможность прогнозирования у K-50 отсутствует. К недостаткам инструмента также можно отнести сложный интерфейс. Говоря о применении, отметим, что оптимизатор в первую очередь предназначен для агентств, а не для прямого рекламодателя.
Завершая свой доклад, Петр Аброськин сказал о том, что внутренняя стратегия Яндекса по итогам теста, проводимого в I-Context, обыграла внешние оптимизаторы. Рекомендация такая — если вы хотите подойти к рекламе более творчески, то используйте внешние оптимизаторы. Они серьезно помогут в работе со ставками. Если от контекстной рекламы вы не ждете ничего сверхъестественного и хотите действовать «как все», то внутренние стратегии Яндекса — все, что вам нужно.
Представители Lamoda Сергей Волчков и Елена Науменко выступили с докладом «Эффективные подходы к анализу контекстного размещения», в котором рассмотрели пути выхода из ситуации, в которой рекламодатель лишь анализирует проводимые рекламные кампании, но практического применения полученным результатам не находит.
Почему так происходит? По мнению докладчиков, обрабатываемой информации в ходе кампаний очень много, а метрик для её анализа мало. Поэтому важно использовать дополнительную сегментацию данных, вводить новые метрики и определять промежуточные цели. Двигаться здесь нужно поэтапно:
Дело в том, что проанализировав данные, многие на этом этапе и останавливаются. Пройти все этапы помогут:
Распределение показов, кликов и дохода по общему объему ключевых слов позволяет выявить истинное распределение трафика, получить данные о количестве высоко-, средне-, низкочастотных ключевых слов.
Для анализа высокочастотных, среднечастотных и низкочастотных ключевых слов необходимы:
По словам докладчиков, сегментация представляет собой метод нахождения частей и определения объектов, на которые стоит направить основную маркетинговую деятельность. Критериями для сегментов являются:
Виды сегментаций:
Для получения достоверных данных по сегментам необходимо построить правильную структуру кампаний. Структура должна быть максимально дискретной, иметь четкие правила именования и разделять типы трафика:
Докладчики выделили структуру анализа данных, где самая низкая ступень — уровень ключевого слова или рекламная кампания. Примеры структуры:
Каждый из уровней характеризуется определенным набором данных, которые можно оценить как в качественном, так и в количественном отношении. Наиболее дискретные и точные данные присутствуют на уровне ключевых слов, но зачастую их не достаточно для принятия решения, поэтому переходим к вышележащему уровню — группам объявлений. На уровне группы объявлений — данные по эффективности нескольких ключевых слов, групп товаров или модификаторов. Если и тут нет данных, то переходим к уровню кампаний. На уровне кампании — данные по эффективности типов товаров и услуг. Отдельно оцениваются объявления, на их уровне присутствуют данные по эффективности креативов для определенных пользовательских запросов.
В качестве промежуточных уровней для получения дополнительной информации можно включать:
Данные, полученные с этих уровней, должны использоваться в качестве дополнительной информации для анализа, оценки и принятия решения. При этом всегда следует помнить, что наиболее значимые данные будут присутствовать на самом дискретном уровне.
Высокий процент показа объявлений по точному и фразовому типу соответствия свидетельствует о достаточном количестве структур в точном и фразовом соответствии и корректном распределении трафик. Высокий процент показа также зависит от:
Как оценить, хватает ли данных для анализа или нет? Для этого можно использовать следующий подход:
Далее рассчитанная величина сравнивается с кликами определенного объекта, ключевого слова, группы объявления, кластера и делается вывод. Данный процесс отображен на диаграмме:
Каждый уровень агрегирования информации просматривается. После, если данных достаточно, собранная информация передается дальше, для анализа и уже потом для внедрения на практическом уровне. Если данных собрано мало, то используется более высокий дискретный уровень с большей степенью агрегации.
При рассмотрении ситуации с наличием данных на различных уровнях и оценкой размещения, приходится проводить анализ данных об эффективности на уровне ключевых слов, групп объявлений, кампаний, кластеров групп объявлений. Результатом данного анализа является цепочка оценок каждого элемента, например, последовательность No data — No data — Good — Good.
Эта схема помогает понять, что данное ключевое слово работает эффективно и/или имеет потенциал.
Ещё один подход к анализу текущих размещений заключается в создании универсальной оценочной метрики, которая должна соответствовать бизнес-целям кампании. Данная оценка проводится на уровне кампаний. Для её создания необходимо пройти следующие шаги:
Как же обработать большой объем данных и произвести множество вычислений? Распространенный способ — использовать Excel. Однако по словам докладчиков лучше научиться пользоваться специализированными статистическими программами:
В завершении доклада Сергей и Елена ещё раз перечислили инструментарий, необходимый для эффективной работы и анализа контекстного размещения. Это:
Максим Лепихов из CubeLine выступил с докладом «Эффективный анализ статистики и полноценная ручная оптимизация кампания в Директе по CPA/ROI». Он рассказал, как быстро получить детальную статистику по каждой рекламной кампании в обход API Яндекс.Директа.
По мнению Лепихова брать данные из Яндекс. Директ можно следующими способами:
Использовать Мастер отчетов довольно просто — нужно выбрать кампанию, далее выбрать данные по цели. Этот способ довольно трудоемкий, если рекламодатель ведет несколько кампаний одновременно — в этом случае работа с API — идеальный вариант. Однако здесь потребуется разработка и поддержка собственного программного обеспечения, уточнил докладчик.
«Компромиссный» метод — полуавтоматическая выгрузка данных в Excel через интерфейс Директа. Разумеется, что от исполнителя требуется хорошее владение этой программой. Сам Максим порекомендовал использовать Plex — надстройку для Excel, которая объединяет файлы и листы по рекламным кампаниям в общую таблицу. Ещё одна надстройка для Excel — Next Analytics — была отмечена докладчиком, как наиболее подходящая при работе с Google Analytics. В Next можно выгружать статистику за каждый день.
Полуавтоматическая выгрузка происходит следующим образом:
В своем докладе Максим коснулся и анализа CTR по разным блокам объявлений и сравнения CTR по объявлениям или фразам со средним CTR по блокам. Более подробно об этом эксперт рассказал в одном из трех кейсов, первый из которых посвящен работе с показателями CTR.
При помощи полученной статистики мы можем сравнить CTR разных блоков (спецразмещение и гарантия +динамика) по всем кампаниям. CTR нужно отслеживать отдельно по каждому блоку, так как показатели различаются. Полученную информацию можно анализировать:
На фразы с низким CTR стоит обратить особое внимание. Возможно, надо переписать неэффективные объявления с низким CTR на более релевантные.
Второй кейс посвящен анализу площадок в рекламной сети Яндекса. Начать стоит с построения сводной таблицы по площадкам РСЯ, после, рассчитав нужные значения, можно выделить неэффективные площадки, по которым много кликают, но конверсия у которых плохая. Эти площадки можно занести в «черный список».
Максим отметил, что четкой зависимости между CTR и CPA нет. Куда эффективнее анализировать поведение пользователей уже на вашем сайте.
Приведенный докладчиком третий кейс показывает, что к объявлениям на площадках из рекламной сети Яндекса нужно обязательно добавлять объявления. Необходимость этого эксперт показал на примере сводной таблицы по 2 типам показов рекламных объявлений: с изображением и без изображения:
CTR объявлений с изображениями вырос почти в 3 раза. На 20% увеличился коэффициент конверсий и CPA снизился на 20%.
Напоследок Максим Лепихов подчеркнул дополнительную пользу ручной автоматизации, которая позволит анализировать рекламные кампании и всегда находиться в курсе текущей ситуации, а также оперативно исправлять какие-либо недочеты. По словам докладчика, ручную оптимизацию обязательно стоит использовать совместно с автоматизированными сервисами. Максим отметил и пользу хорошего владения Excel, программой, которая значит для интернет-маркетологов очень многое, если не все.
Теги: