Главное Свежее Вакансии   Проекты
Комментируемое:

Список ссылок временно недоступен
135 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Как понять в ecommerce, какая реклама приносит прибыль

Самый надежный показатель успешности рекламы — это продажи. Но не все компании могут связать полученную прибыль с конкретной кампанией.

Компаниям приходится делать выводы об эффективности рекламы на основе промежуточных метрик: по CTR, количеству показов, заявок и т. д. Хотя они вовсе не означают, что кампании эффективны и окупаются. Команда Ringostat рассказывает о способах определения, какая реклама приводит к продажам.

Часть интернет-магазинов, даже активно продвигаясь в сети, до сих пор ограничивается только стандартными отчетами систем веб-аналитики. И уже на их основе делает выводы, работает реклама или нет, во что вкладывать бюджет и как оптимизировать кампании. Причин этому несколько:

  • незнание, что можно «копнуть глубже» — до уровня получения прибыли из конкретного канала, кампании и ключевого слова;
  • нежелание подключать дополнительные инструменты, т. к. Google Analytics и Яндекс.Метрика бесплатны, и с ними может работать любой, на основе мануалов из сети;
  • вера в то, что и промежуточных метрик хватит, чтобы делать выводы об эффективности кампаний.

Но при всех плюсах, которые есть у систем веб-аналитики по умолчанию, у них есть и важный недостаток — они не показывают, как реклама конвертируется в прибыль. И вот тут на помощь приходят решения, которые описаны ниже. Сразу оговорюсь, что они подойдут не для всех компаний. Например, стартующему бизнесу имеет смысл обойтись данными Google Analytics или Яндекс.Метрики. Аналогично, если компания имеет совсем небольшой рекламный бюджет — менее 1000$.

Модуль электронной торговли в Google Analytics или Яндекс.Метрике


Это дополнение, которое можно установить в одной из систем веб-аналитики. Процесс настройки отличается, в зависимости от выбранной системы и подробно описан в их справке:


Например, благодаря этому, в Google Analytics и расширенной версии модуля, пользователь получает доступ к таким отчетам:

  • обзор — сводная информация по доходу из запущенных кампаний и коэффициенту транзакций, лидерам продаж среди продуктов и т. д.;
  • поведение покупателей — данные о том, как пользователь продвигается по воронке от посещения к совершению покупки;
  • поведение при оформлении покупки — визуализация того, сколько пользователей переходит от одного шага к другому;
  • эффективность товаров — информация о том, какой товар принес сколько дохода, в каком количестве купили каждую товарную позицию, каким был средний чек и т. д.;
  • эффективность продаж — отчет с данными по каждой транзакции: доход, налог, доставка и т. д.;
  • эффективность списка товаров — информация по группам товаров на сайте: сколько было кликов, просмотров, CTR списка товаров и другое.


Пример отчета из модуля электронной торговли

Плюсы:


  • понимание, какие товары пользуются популярностью, а какие нет, каков размер среднего чека по каждой категории — на основе этих данных можно формировать ассортимент интернет-магазина;
  • получение данных о том, какие рекламные источники приводят на сайт потенциальных клиентов, а какие «пустой» трафик;
  • быстрый доступ к данным о количестве транзакций, сумме дохода по конкретным товарам и т. д.
  • возможность понять, какие товары добавляют в корзину или просматривают, но не покупают — что позволяет делать выводы, например, что их рекламу нужно изменить или вообще убрать такие позиции из каталога.

Минусы:


  • требует привлечения разработчика, чтобы написать и внедрить код, настроить модуль;
  • вклад конкретного канала в закрытие сделки рассчитывается только по одной модели атрибуции — вы не можете ее изменить, даже если она не совсем подходит под ваши бизнес-процессы;
  • если товар по какой-то причине вернули, данные в модуле не скорректируются, и вы по-прежнему будете видеть прибыль по нему — настройка учета возвратов опять-таки требует дополнительной работы программиста;
  • система не учитывает конверсии, которые совершаются не онлайн — так, факт оплаты отслеживается по посещению страницы благодарности за покупку.

Если же человек позвонил и оформил заявку по телефону или сделал это по почте, придется опять-таки подключать дополнительные инструменты. Иначе подобные заявки и продажи из них вы упустите из вида.

Сведение данных вручную


Это метод, который подойдет для небольших компаний, получающих так много обращений из рекламы. Например, его использовал один из клиентов Ringostat, у которого не было даже CRM.

  1. Подключите систему веб-аналитики, чтобы определять каналы и кампании, которые генерируют онлайн-конверсии: добавление в корзину, заполнение онлайн-заявки и т. д.
  2. Подключите сервис, который будет отслеживать рекламные источники обращений. Например, коллтрекинг — если часть клиентов звонит. Для интернет-магазина это особенно важно, потому что многие покупатели сначала уточняют информацию по телефону. Пример, как могут выглядеть подобные данные в отчетах сервиса аналитики звонков — включая ключевые слова, сгенерировавшие звонок.
  3. Также желательно интегрировать систему веб-аналитики и коллтрекинг. Так данные о рекламных источниках всех конверсий можно будет анализировать в Google Analytics или Яндекс.Метрике.
  4. Создайте таблицу, в которую менеджеры будут заносить информацию о заказах, например: номер телефона клиента, статус, тип товара, кто принял обращение, комментарий и т. д.
  5. Отдельно создайте документ, который и будет вашим итоговым отчетом.
  6. В эту таблицу передавайте данные из системы веб-аналитики. Например, клиент Ringostat сделал это для Google Analytics с помощью приложения Core Reporting API. Благодаря интеграции, туда будет передаваться client ID, которые в систему веб-аналитики изначально передает коллтрекинг. Ringostat способен передавать телефоны как параметр «Действие по событию».
  7. Туда же передайте информацию, заполненную менеджерами вручную. Клиент Ringostat, которого мы упомянули выше, использовал для этого формулу =importrange.
  8. Сведите полученные данные. Так, в случае со звонящими клиентами, ее нужно объединить по номеру телефона.
  9. Результатом будет примерно такая таблица, как показано ниже. Если в выделенном столбце стоит статус «Продажа» — то легко понять, какой из каналов успешно отработал. Еще лучше, если оператор фиксирует в своем документе также сумму продажи.


Плюсы:


  • минимум инструментов для получения данных, не нужна даже CRM;
  • можно гибко настроить статусы, которые проходит сделка — все зависит от того, как их проставит оператор;
  • относительная простота реализации.

Минусы:


  • большое количество ручной работы — сотрудник должен заполнять много полей вручную, всегда есть шанс, что он ошибется в данных или что-то забудет;
  • метод не подходит для средних и крупных компаний, у которых много обращений — операторы или менеджеры просто не успеют заполнять много документов, когда много заявок;
  • даже если они будут успевать, отчет получится «тяжелым» — из-за обилия данных он будет долго грузиться, может поломаться, и его починка ляжет на вас.

Анализ рекламных источников продаж с помощью CRM


Если CRM у вас все же подключена, процесс немного упрощается. Подобные системы часто имеют готовые интеграции с коллтрекингом, онлайн-чатами и т. д. В результате в карточку сделки автоматически подтягивается информация об обращении. Включая данные о том, какой канал его принес:


Что можно пошагово сделать, владея такой информацией:

  • отфильтровать выигранные сделки;
  • выгрузить в таблицу данные о них, включая информацию об источнике лида;
  • посмотреть, какие каналы чаще всего приводят к продаже, какие из них приводят клиентов с максимальным чеком и т. д.;
  • использовать эту информацию для оптимизации рекламы и бюджетов.

Также вы можете написать скрипт в Google таблицах и туда автоматически складывать выгрузку из CRM. И уже на ее основе строить визуализации в Google Data Studio. Это позволит получать информацию без лишних затрат времени и в более понятном виде.

Плюсы:


  • гораздо меньше ручной работы — большинство CRM имеют готовые интеграции с самыми популярными сервисами;
  • можно четко проследить цепочку: реклама — обращение — сделка — продажа — размер прибыли.

Минусы:


  • вы опять-таки зависите от конкретной модели атрибуции и от того, как коллтрекинг, чат и т. д. присваивают источник конкретному обращению;
  • нужна выгрузка в таблицы — а это может спровоцировать сложности, которые уже описаны в предыдущем пункте.

Сквозная аналитика


В отличие от предыдущих способов, сквозная аналитика не просто сводит данные о рекламном канале и продажах. С ее помощью можно понять, как окупается конкретный источник и даже отдельное ключевое слово. В сети описано множество способов ее построить — но сводятся они к одному: нужно объединить затраты на кампании с прибылью из них и посчитать ROI.

При подключении готового решения пользователь должен:

  • настроить интеграцию с рекламным кабинетом той системы, где запущены кампании — оттуда будут подтягиваться расходы на них;
  • интегрировать CRM — из нее будут передаваться доходы;
  • также подключить все те же сервисы, которые собирают данные про обращения по телефону, через сайт и т. д. — чтобы не упустить источники этих конверсий.

Получив доступы к этой информации, сквозная аналитика сможет показать прибыль по каждому рекламному каналу и автоматически рассчитать ROI. Также эти данные можно анализировать в разрезе кампании и даже ключевого слова.

Пример отчета сквозной аналитики в интерфейсе Ringostat:


Плюсы:


  • все максимально автоматизировано — если выбирать системы сквозной аналитики, в которые входит коллтрекинг, то данные из него будут сразу собираться в отчетах;
  • ключевые данные выводятся в понятном интерфейсе — это дает понимание, как каждый канал трафика конвертируется в продажи;
  • если выбрать сервис, который позволяет настроить модели атрибуции, то можно задать именно ту, которая больше подходит для интернет-магазина.

Минусы:


  • понадобится помощь программиста, если выберете не готовое решение, а захотите строить сквозную аналитику с нуля;
  • не всегда доступна гибкая настройка сквозной аналитики — в этом случае пользователь жестко привязан к отчету, который изначально заложен системой;
  • при самостоятельном построении сквозной аналитики специалист должен связать множество инструментов — поэтому всегда есть риск, что что-то «отвалится», а устранение неполадок займет немало времени.

Выводы


Далеко не все интернет-магазины оценивают эффективность рекламы по прибыли из нее. Часть компаний ограничивается стандартными данными систем веб-аналитики, хотя информация о кликах, показах и CTR ничего не скажет о продажах. Такой подход в духе «дешево и сердито» лишает бизнес информации о точках роста и о том, как оптимизировать рекламный бюджет.

Понимая, как трафик из рекламы конвертируется в продажи, вы сможете:

  • понять, как отрабатывают вложенные деньги;
  • урезать вложения в нерентабельные каналы — в то время, как ваши конкуренты будут по-старинке делить бюджет между каналами просто поровну;
  • получать больше эффекта от рекламы при тех же бюджетах.

0
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
Первые Новые Популярные
Комментариев еще не оставлено
Выбрать файл
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.