Как в digital-стратегии подружить несколько каналов и спрогнозировать результат?

Александр Ярощук

Пользователь один раз увидел рекламу и сразу купил товар — идеальная ситуация. Но так бывает не всегда. И дело не в низкой компетенции интернет-маркетолога. Исследование американского поставщика CRM-систем Salesforce показало, чтобы пользователь принял решение купить товар дороже 500 долларов, он должен прокоммуницировать с брендом от 6 до 8 раз на разных платформах и устройствах.

Как спрогнозировать поведение пользователей и выстроить мультиканальную digital-стратегию, рассказывает директор по развитию агентства MediaGuru Александр Ярощук.

От мысли до покупки

Digital-стратегия — это планирование наших усилий таким образом, чтобы обеспечить движение пользователей по воронке: от первого знакомства с брендом до итоговой покупки. Прежде, чем понять других, проанализируем себя. Например, как я принимал решение о покупке нового смартфона:

Шаг 1. Изучил мнение экспертов.

Шаг 2. Провел тщательный анализ статей на сайтах-агрегаторах.

Шаг 3. Закинул полученную информацию в эмоциональный рандомайзер.

Шаг 4. Получил решение, что мне нужна новая модель айфона.

Срок принятия решения — 10 дней.

Познакомимся с исследованием 2018 года, которое размещено на портале Think with Google. Оно показало, что пользователь перед совершением покупки в офлайн-салоне Volkswagen коммуницирует с сайтом производителя не менее 10 раз. Причем приходит он туда с разных источников, количество которых варьируется от 3 до 5. Еще раз убеждаемся, что увидеть рекламу 1 раз недостаточно.

Это исследование сделано при помощи доступного всем инструмента — Google Analytics. Без каких-либо дополнительных интеграций вы можете построить Customer Journey Map — карту путешествия пользователя. Это бесплатное омниканальное решение, настоятельно рекомендую им пользоваться.

Омниканальность

Перед современным маркетологом стоит сложная задача — обеспечить экосистему из разных устройств так, чтобы пользователь в нужный момент увидел объявление вашего бренда с упоминанием товара и призывом к действию. 

Что для этого есть:

Форматы нужно подружить в одной таблице и продемонстрировать ее руководству или инвестору. Доходчиво объяснить, как планируете продвигать пользователя по воронке продаж при помощи активации разных каналов.

Замкнутые экосистемы отечественного рынка

Если говорить про омниканальные решения, в России они ограничены. У нас есть два антагониста, которые не обмениваются между собой данными — Google и Яндекс. На протяжении долгих лет мы находились в ожидании универсальных платформ, которые помогут рекламодателям посчитать омниканальность, но таких не появилось.

Рассмотрим замкнутые экосистемы, которые есть в России, какие инструменты они предлагают. 

Яндекс

У Яндекса есть перфоманс-каналы — это поисковая система и РСЯ. Также охватные продукты: медийка, которая не так давно декомпозировалась до indoor и outdoor, OLV, аудиореклама на собственных стриминговых сервисах. Все данные из этих систем хорошо увязываются между собой при помощи инструмента Яндекс.Аудитории. 

На изображении умышленно расположил Яндекс.Маркет дальше от всех инструментов. Нет способов связать его трафик с другими продуктами, кроме сегментов аудиторий. Это как будто нелюбимый ребенок Яндекса. 

Google

Тут есть продукты Google Ads: КМС, OLV — и Google Покупки. Причем возможности бизнеса при запуске медийной, контекстной сети и OLV с платформы DV360 значительно возрастают. Особенно если вы используете Google Analytics 360. Можно практически сразу подключить новейшую модель атрибуции Data-driven, посчитать закономерности: сколько раз пользователи видели медийное или видеосообщение прежде, чем приняли решение совершить покупку. 

Mail.ru

В первую очередь, Mail.ru — сильный медийный инвентарь знаменитого одноименного портала. Если говорить про ВКонтакте и MyTarget — тут есть кампании со сквозным размещением. То есть вы показываете рекламу сразу на двух каналах.

Facebook

Экосистема Facebook, включает одноименную социальную сеть и Instagram.

Анализ взаимодействия пользователя с рекламой

Переходим к ключевым задачам современного бизнеса:

На изображении ниже — multi-touch атрибуция от Nielsen, по которой легко отследить путь клиента по адресным точкам: digital, mobile, офлайн.

Есть 5 пользователей, которые возможно совершат покупку в интернет-магазине. По последнему столбцу видим, что с деньгами расстались только второй, третий и четвертый кандидаты.

Multi-touch атрибуция дает понять, что второй пользователь прошел 5 этапов перед покупкой: узнал о нас через медийку Google, потом стал свидетелем рекламы в Яндекс.Эфире, перешел по e-mail рассылке. Далее были перфоманс и рекламные кампании, на заключительном этапе сработал лендинг — покупка совершена. 

Ниже основной таблицы размещена атрибуция, по которой можно изучить вклад каждого рекламного источника в формирование желания у пользователя совершить покупку. 

Анализ Multi-touch attribution (MTA) помогает принимать более взвешенные решения об инвестициях и составлять стратегии, учитывая опыт предыдущих кампаний.

Сложности построения MTA

Скоро цепочки Multi-touch attribution будут недоступны. В медиапланировании мы вернемся к эмпирическим методам прогнозирования. Почему?

Четкая цель

Первая причина сложности внедрения Multi-touch атрибуции — для ее функционирования нужна четкая цель. Как правило, это покупка с эквивалентом денег. Поэтому MTA, в первую очередь, популярна среди ритейлеров.

Краткосрочность

Цепочки MTA актуальны короткий промежуток времени. Это обусловлено сроком действия файлов cookie — 30 дней. Через месяц цепочки буквально разваливаются, и все построенные MTA-модели теряют эффективность. Они будут полезны только на флайтах в 2-3 месяца либо для РК, которые работают в режиме Always on. 

Запрет закона GTPR

Закон GTPR ограничивает распространение персональных данных в ЕС. С его появлением Google перестал отдавать на сторону Data transfer files. Это выгрузка с идентификаторами, которые позволяют связать показ медийной рекламы с дальнейшими действиями пользователя на других платформах. Ранние клиенты, которые размещались через Campaign Manager, использовали Data transfer file именно для построения Multi-touch атрибуции.

Новые типы шифрования в браузерах

Появляются новые типы шифрования в браузерах. Сейчас, в первую очередь, говорю про Mozilla Firefox. Браузер ввел тестовое шифрование DNS-запросов для пользователей в штатах. Теперь их визиты в Mozilla системами аналитики воспринимаются как новые, поэтому они не могут участвовать в мультитач атрибуции.

Получается, универсальных счетчиков нет. Поэтому в мультиканальных стратегиях важен опыт. Набор рекламных каналов зависит от продвигаемой тематики. Вот почему крупные бренды приглашают специалистов, которые работают с бизнесом конкретной сферы.

Само медиапланирование относится к эконометрике. Поговорим о ней.

Эконометрика

Эконометрика — это наука, которая содержит в себе 2 понятия: экономика и метрия. Ее цель — количественный анализ разных взаимосвязей в экономике. Это своеобразный сплав статистических и математических методов.

Наука появилась в 70-х годах, когда ученые Бокс и Дженкинс разработали подход к анализу временных рядов. Они определили взаимосвязь финансовых рынков. Дженкинс получил Нобелевскую премию за то, что сумел выяснить закономерности в колебаниях фондового рынка, которые до этого казались абсолютно хаотичными.

Эконометрика в рекламе

Эконометрика подразумевает создание математической модели, которая рассчитывает, как разные параметры влияют на показатели. Предлагаю взглянуть на схему. 

Допустим, целевая переменная — это количество переходов. В схеме есть базовое значение, т.е. количество кликов, которые мы получим в любом случае, даже если ничего не будем предпринимать. Также эконометрическая модель учитывает влияние рекламной активности, иных факторов и ошибок. 

После того, как данные с разных платформ собираются в сыром виде, они очищаются, стандартизируются, и в облаке начинаются вычисления. Проводится декомпозиция модели имеющихся данных. Например, как разные каналы влияют на формирование целевого показателя. Рассмотрим динамику продаж у парфюмерного ритейлера в Москве и СПб.

Попробуем при помощи декомпозиции объяснить первый всплеск. Его вызвала телевизионная реклама. За ним идет провал продаж в Москве из-за того, что конкурент запустил распродажу. Но спад удалось нивелировать запуском digital-кампании.

Анализ данных

Чтобы компании стала доступна эконометрика, ей необходимо пережить digital-трансформацию. Запустить ее у наших клиентов — цель агентства до конца 2020 года. Мы должны научить их работать с большими данными. 

Считаю, что в следующем десятилетии самыми востребованными будут Data Scientists. Данных становится много, их нужно перерабатывать. И уже на основе полученных инсайдов корректировать маркетинговую стратегию. Разумеется, это трудозатратно. Датасаинтисты стоят дорого, а все модели стратегий нуждаются в постоянной верификации. Это происходит, потому что меняются модели поведения пользователей, структура рынка, появляются новые устройства.

Прообразы эконометрики в digital

Не всем брендам доступна эконометрика. Но есть ее прообраз — прогнозатор конверсии Google. Это инструмент Google Ads. Он строит прототип эконометрической модели по продуктам внутри своей экосистемы. 

Вы заходите в прогнозатор и даете задачу на построение медиаплана. Ниже интерфейс с настройками. 

За период прогнозирования возьмем, например, июнь 2020 года. Целевой показатель — конверсии. Опорный коэффициент — последние 7 дней. Можно выбрать другие промежутки времени. Прогноз будет строиться на основе статистики либо за прошлый месяц, либо за тот же период текущего года. Планировщик учитывает колебания сезонности. 

Если мы говорим про мультиканальную эконометрику медиапланирования, математические модели дают прогнозы сразу по всем источникам. Допустим, дают понять бренду, что до конца недели план по выполнению продаж при текущем маркет-миксе неисполним. Принимается решение перераспределить бюджет в сторону других источников, где есть резерв и оптимальная скорость достижения плана. 

В основе модели — график, где показана зависимость рекламного бюджета от количества полученных конверсий.

Первая точка на графике — текущие настройки , вторая — предложенные математической моделью. Мы видим, что при бюджете 397 тыс. рублей, можем рассчитывать на 66 целевых действий. При этом цена каждого из них составит 6,01 тыс. руб. Влияние сезонности учтено.

Ниже прогнозы рекламной кампании. Система подсказывает, что если увеличим расходы на 279 тыс. рублей, количество продаж вырастет на 25. При этом целевые действия станут дороже — известная прямая закономерность. 

Еще обратите внимание на кривую. Рано или поздно она достигает предела насыщения. Сколько бюджет не увеличивай, количество конверсий не вырастет. Чтобы это исправить, нужно менять набор таргетингов или подключать новые инструменты. 

Если промотать прогнозатор ниже, тут другой вид инфографики. Это прошлогодние достижения, прогноз на месяц при ваших настройках и при предложенных системой.

Оценка аудитории

Перед созданием digital-стратегии нужно оценить объемы аудитории. Начнем с открытых и доступных всем источников.

Wordstat

Подбор слов от Яндекса помогает узнать, сколько раз пользователи искали бренд либо товар за последние 28 дней через его поисковую систему. Причем есть детализация по взлетам и падениям спроса за несколько лет.

Google Trends

Собрат Wordstat от Google. Он полезен, на мой взгляд, в том случае, если выходите на новые рынки. Локально он не показывает количество запросов за определенный период. Просто демонстрирует коэффициент популярности тематики за месяц от 0 до 10.

Вертикальное исследование от площадок

Если вы дошли до эконометрики, скорее всего, в штате есть собственные маркетологи. Вы можете отправить их или записаться лично на отраслевые порталы обучения рекламным технологиям. Например, от Яндекса или Google.

Данные госорганов

Данные об аудиториях есть на сайтах Росстата, Минстроя, Счетной палаты — в зависимости от вертикали, в которой работаете.

На основе оценки аудитории можно рассчитать примерный бюджет. Опирайтесь на предположение о том, сколько раз пользователь должен прокоммуницировать с вашими материалами перед покупкой.

Анализ поведения пользователей

После оценки объема аудитории и примерного бюджета, анализируем поведение пользователей. Это, в первую очередь, важно для охватных продуктов. 

Провести оценку поведения пользователей помогут открытые источники: 

Закрытые источники:

Распределение бюджета между каналами

Рассмотрим сплитование бюджета между источниками на примере 60-ти ритейлеров, которые входят в ТОП рунета. Ниже представлено классическое распределение по медиа. Данные за 2019 год.

Большая доля — это Национальное телевидение, далее — классическая медийная реклама и региональное ТВ. Это сплитование не учитывает маркетинговые затраты на перфоманс-рекламу. Понятно, что затрат не так много, но была высокая рентабильность инвестиций. 

Эконометрическая модель

Кульминация в процессе выстраивания стратегии — эконометрическая модель. Она дает понять, как повлияет медийная реклама на онлайн-продажи в ближайшее время и в перспективе. 

Снова посмотрим на график.

Синие столбцы — это расходы на рекламу в 2019 году у 60-ти ритейлеров, о которых мы говорили выше. На Нац. ТВ они потратили 10 млрд рублей, региональное ТВ — 4 млрд рублей, ОЛВ-реклама (OLV) — 2 млрд рублей. Зеленые столбики — это прирост онлайн-продаж от размещения на конкретном канале. Красная точка — рентабильность инвестиций. 

Здесь видно, что телереклама по-прежнему дает половину прироста онлайн-продаж для крупных интернет-магазинов, несмотря на невысокий ROI. Более прибыльной оказалось ОЛВ — это Яндекс.Эфир, инвентарь YouTube. Также радио, из-за большого охвата и низкой стоимости

Понимаю, что все это сложно. Инструментов у современного маркетолога крайне много. Но пока нет способа за 1-2 дня определить, как ваша реклама повлияет на аудиторию и в какой последовательности выгоднее транслировать объявления на разных каналах. Поэтому выстраиваем эконометрические модели и анализируем по всем возможным параметрам.