Power BI аналитика для интернет-магазина парфюмерии: выявили неэффективные рекламные кампании и снизили CPO на 100 рублей

25 минут 26 октября

Для магазина парфюмерии мы вели рекламу в Яндекс.Директе и Google Ads. Более 85% всех заказов генерировались «Умными торговыми кампаниями» Google Merchant. Это когда Гугл сам на основе фида товаров создает рекламные объявления и показывает их аудитории сайта. С помощью машинного обучения он добивается максимальной эффективности рекламы. 

Мы работали с такими KPI от клиента:

  • цена заказа, CPO меньше 700 рублей;

  •  учитывались только достижения целей (заказы) по модели атрибуции «Первый переход» в Яндекс.Метрике.

Во время эпидемии коронавируса в марте — апреле 2020 года объем заказов начал стремительно падать, CPO расти, и нам предстояло это исправить. 


Клиент Проект, задача, цель Результат

Крупный интернет-магазин парфюмерии. Около 70 тысяч посетителей и до 1500 заказов в месяц. 

Нужно было получить как можно больше заказов, CPO <= 700 ₽


Снизили CPO с 800 ₽ до 700 ₽, увеличили заказы более чем в 1,5 раза



Проблема: вручную формировали отчеты по CPO и не видели всей картины по конверсиям

В начале работы с клиентом мы в конце каждой недели в Гугл.Таблицах вручную заполняли отчет, который показывал расходы и CPO по каналам Яндекс.Директ и Google Ads.

Чтобы сформировать такой отчет, нам нужно было вытащить из рекламных кабинетов Яндекс.Директа и Google Ads данные о расходах на рекламу, чтобы затем соотнести их с данными по конверсиям из Яндекс.Метрики.

У отчета было несколько минусов. 

1. Не показывал дневную динамику. Динамика расходов и заказов по дням помогает понять, в какие дни покупатели лучше покупают товары, а в какие — хуже. Плюс это позволяет вовремя заметить, что продажи вдруг начинают падать, и вовремя принять меры: внести изменения в автостратегии, увеличить или, наоборот, уменьшить дневные лимиты, добавить корректировки ставок.

2. Не было данных в разрезе кампаний и товаров. Заполнять такой отчет вручную каждую неделю, а тем более каждый день, было бы очень трудоемко. Названия кампаний во многих UTM-метках могли не совпадать с фактическими именами кампаний, а параметр campaign_id — уникальный идентификатор, по которому можно было бы потом легко сопоставить данные — был добавлен не везде.

Поэтому глубокую аналитику в разрезе кампаний мы проводили лишь в те моменты, когда намечался явный спад по заказам, а CPO рос. Во всех остальных случаях мы больше ориентировались на какие-то косвенные показатели вроде процента отказов, глубины просмотра или конверсии в Google Ads.

3. Конверсии в Google Ads и Яндекс.Метрике довольно сильно отличаются. Например, мы видели, что какой-то товар проседает по CPO в Google Ads, отключали его. А оказывалось, что в Яндекс.Метрике он, наоборот, был конверсионным и имел низкий CPO. В результате продажи падали, клиент был недоволен.

image2.png

Раз в неделю вручную собирали данные из разных систем в один отчет — для того, чтобы видеть изменение CPO. Этот же отчет отправляли клиенту

image4.png

Отдельный отчет собирали для оптимизации кампаний — тоже вручную

Решение: автоматизация отчетов в Power Bi

Стало понятно, что из-за ручной сборки отчетов и сопоставления данных мы не можем оперативно и, главное, своевременно вносить необходимые изменения в рекламные кампании. Мы решили автоматизировать процесс сбора данных. Для этого мы построили решение на базе Power BI, облачной базы данных BigQuery и языка программирования R.

Данные по расходам и кликам мы выгружали из рекламных кабинетов Яндекс.Директа и Google Ads по API, а данные по конверсиям — из Яндекс.Метрики. Полученные данные затем сопоставлялись по UTM-меткам с помощью языка R, чтобы потом выгрузить их в облачную базу данных BigQuery. Для визуализации данных воспользовались решением от Microsoft — Power BI.

В конечном счете сделали автоматизированный отчет, где нам стали доступны следующие данные для анализа:

Параметры:

  • канал;

  • кампания;

  • товар;

  • тип устройства;

  • целевое местоположение (Geo) и другие.

Метрики:

  • показы,

  • клики,

  • расходы;

  • конверсии (заказы из Яндекс.Метрики по модели атрибуции «Первый переход»)

  • CPO и другие.

image1.png

Ничего не нужно обновлять руками: у нас всегда актуальные данные, которые помогают вовремя заметить увеличение CPO и отключить неэффективные кампании

Добавили динамические параметры в UTM-метках

Для корректного сопоставления данных из Яндекс.Директ и Google Ads с данными из Яндекс.Метрики мы заново во всех кампаниях проставили UTM-метки. В них мы добавили всевозможные динамические параметры, в т. ч. {campaignid}, который ранее был добавлен лишь в отдельных кампаниях.

Вся проблема в том, что «Умные торговые кампании» Гугла в отличие от обычных имеют меньше возможностей для оптимизации. В «Умных торговых кампаниях» мы можем влиять только на список рекламируемых товаров, целевое местоположение (Geo), тип устройства (например, выключить планшеты и мобильные и оставить только десктоп) и место размещения (площадки). Данные по площадкам Google Ads в UTM-метках нам не отдает, остается {product_id}, {device} и {loc_physical_ms}. Их мы и добавили.


UTM-Метки в «Умных торговых кампаниях» Google Ads

Формат UTM-метки до изменений

После изменений

utm_campaign — название кампании

{campaignid} — идентификатора (номер) кампании

{keyword} — ключевая фраза

{adgroupid} — идентификатор группы, 

{creative} — идентификатор объявления, 

{adposition} — позиция объявления

utm_campaign — название кампании

{campaignid} — идентификатор (номер) кампании

{keyword} — ключевая фраза

{adgroupid} — идентификатор группы,

{creative} — идентификатор объявления,

{adposition} — позиция объявления

{product_id} — идентификатор позиции

{device} — тип устройства

{loc_physical_ms} — идентификатор географического положения, где был получен клик (пока не используем в отчетах, в процессе разработки)


Результат: снижение CPO на 100 рублей и рост заказов более чем в 1,5 раза

Теперь нам больше не нужно вручную сопоставлять все данные. Они сами подтягиваются в наш Power BI отчет из рекламных кабинетов и систем аналитики. 

Данные обновляются каждый час, что дает нам возможность в режиме реального времени видеть, по каким товарам проседает CPO и снижаются заказы, а где, наоборот, наблюдается рост. 

Регулярно работая с данными из автоматического отчета, нам постепенно удалось снизить CPO c 866 до 724 руб. при одновременном росте заказов более чем в 1,5 раза: 

image6.jpg

Это аналитика по «Умным торговым кампаниям»: заказы выросли, CPO снизилось


image3.jpg


Видим, по каким товарам проседают заказы и зашкаливает CPO, и перераспределяем бюджеты на более конверсионные позиции

Возможность отслеживать информацию по рекламе на экране смартфона

Дополнительно к десктопной версии отчета мы создали мобильную версию отчета, чтобы всегда быть в курсе всех изменений, происходящих в рекламе в режиме реального времени. Для просмотра отчета с мобильного нужно: 

  1. Скачать приложение Power BI к себе на телефон.

  2. Предоставить свою почту от аккаунта PowerBI, на который мы выдадим доступ.

  3. Начать пользоваться отчетом.

В мобильной версии отчета клиент и мы может видеть ежедневную динамику по заказам, CPO, и поверхностно оценить ситуация в рекламе.

image5.png


Объясняет:
Александр Можайский
Cпециалист по контекстной рекламе
Спрашивает:
Ирина Ильяхова

Сообщить об ошибке

Выделите текст и нажмите Ctrl+Enter, чтобы отправить сообщение