Buber.Roi
https://spark.ru/startup/buber-roi/blog/rss
Блог проекта «Buber.Roi» на Спарке - https://spark.ru/startup/buber-roi/blogruhttps://spark.ru/startup/buber-roi/blogBuber.Roi: О проекте «Buber.Roi»
https://spark.ru/post/24302
https://spark.ru/post/24302Sun, 17 Jan 2016 22:46:26 +0300поисковые системы, соц.сети, агрегаторы, внешние переходы, платный трафик, прямые заходыУчет маркетинговых трат и доходов по платным каналам (ROI) Когортный анализ по типу трафика, каналу, источнику, вплоть до отдельного запроса Подробная статистика от трат до продажи: по кампаниям по объявлениям по запросам контекстных кампаний по utm-меткам Возможность добавления в анализ платежей по отдельным площадкам (заказные статьи и PR) Дополнительно Управление Яндекс-Директ прямо из интерфейса. Отсутствие неоходимости доработок в CRM систему клиентов.]]>МаркетингBuber.Roi: Оптимизация контекста на примере сервиса бронирования
https://spark.ru/post/13533
https://spark.ru/post/13533Wed, 20 Jan 2016 12:11:24 +0300Бронирование столиков в «..»Онлайн бронирование столиков в ресторане ***. Бесплатно.Эти объявления дали неплохой результат (CPA в среднем 300 рублей) но мы конечно же продолжили экспериментировать. На след этапе мы вручную составили объявления по каждому отдельному ресторану. Объявления второго этапа выглядели так:Ресторан ****Неповторимый интерьер и прекрасная кухня в ресторане на Ордынке.Причем каждому ресторану писали адекватное объявление, вообще ничего не писали про сервис бронирования, как будто это реклама самого ресторана. CTR увеличился примерно в 3 раза и соответственно стоимость клика снизилась примерно в 4 раза. CPA опустилось в среднем до 130 рублей. (количество отказов увеличилось, так как люди надеялись, что они переходят на сайт ресторана). По районам, по метро, по улицам, по типам заведений, по типам мероприятий и комбинированные компании мы составили автоматом без труда. Учитывая, что стоимость перехода по ним низкая - особо с ними не возились, так как и так всё устраивало. Оставили все на управление Buber.Context , чтобы регулярно обновлялись ставки и объявления всегда были в спецразмещение без переплат. Телефонные звонки Мы начали строить прозрачную аналитику по онлайн и телефонным заказам. Прежде всего столкнулись с тем, что при таком объеме трафика динамический call-Tracking (когда каждой сессии присваивается отдельный номер) нам не подходит, а при статическом call-Tracking - мы видим только каналы, но не понимаем с какого именно объявления пришел звонок. Также мы столкнулись с тем, что мы считаем кол-во входящих звонков но не понимаем, сколько этот звонок принес нам непосредственно денег (случилась ли бронь и сколько мы на ней заработали). Мы сделали свою собственную систему, основанную на нескольких вводных: сравнение номера абонента и номера в заказе (это закрыло 40% вопросов) если в момент телефонного заказа столика в ресторане Х на странице этого ресторана находился только один человек - мы делаем вывод, что позвонил именно он. на всех внешних каналах (например в объявление Яндекс-Директ) мы указываем отдельный номер и там крайне легко понять, какое именно объявление привело к бронированию без перехода В итоге мы закрыли 85-95% телефонных бронирований и знаем про них все. Повторные заказы Мы начали вести когорты анализ не только по транзакциям, но и с учетом того, что человек с этого номера уже звонил. То есть: мы потратили на человека Х рублей он совершил бронь и принес нам У рублей человек записал себе номер телефона (или же запомнил сайт) все его повторные бронирования на самом деле относятся к первой трате на него. Посчитать повторные заказы по онлайн бронированиям - не проблема, а вот комплексно считать повторные заказы с учетом, что он мог заказать первый раз онлайн, второй раз с телефона, а третий - из мобильного приложения - не самая простая задача, но когда мы всё это построили - получилась красивая картина и мы поняли, где у нас повторения. Дни недели и часы Мы начали анализировать конверсию и средний чек по дням недели и часам. Оказалось, что например в пятницу конверсия выше, но вероятность прихода и средний чек ниже, но не по всем ресторанам. Оказалось, что в разных ресторанах конверсия в разные дни недели и вероятность прихода в разные дни недели разная и мы разработали систему гибкого управления контекстной рекламой, которая учитывала бы эту вероятность и в зависимости с ними корректировала ставки. После внедрения этой системы мы повысили эффективность рекламы еще на 30%. Учет повторных заказов Дальше мы поставили перед собой задачу максимально увеличить количество клиентов, совершающих повторные заказы. Обнаружилось, что вероятность повторного заказа сильно зависит как от дня недели, так и от ресторана, в который осуществляется бронирование. Мы проанализировали весь этот массив данных и добавили новые корректировки в механизмы управления контекстом. В результате мы стали уходить «в минус» по некоторым группам и в некоторые дни недели и часы, но у нас стала сильно увеличиваться база постоянной аудитории, которые совершают повторные заказы и не стоят повторно дополнительных денег. Результаты Бизнес очень сильно связан с сезонной активностью и у каждого сезона есть своя специфика и свои нюансы. Очевидно, что есть новый год, в который идет большое кол-во банкетов, но процент подтверждения броней минимальный, а есть лето, когда люди ходят на террасы и пьют исключительно чай с минимальным чеком. Мы довели систему, чтобы она принимала решения на основании как общей статистики, так и статистики за последнее время по данному ресторану и на основании этой статистики управляла рекламой. Получиликонтролируемуюрекламу. Возможность получать какбыстрое оборачивание денег,так инакапливание постоянных пользователей,в зависимости от того, что необходимо в данный момент бизнесу.]]>АналитикаBuber.Roi: Как мы пришли к сервису маркетинговой аналитики
https://spark.ru/post/13508
https://spark.ru/post/13508Mon, 18 Jan 2016 16:01:39 +0300Страница не найдена