Маркетинг, основанный на данных. 15 показателей, которые должен знать каждый.
Изменение правил для поискового маркетинга с помощью моделирования атрибуции.
Как я уже говорил выше, основная проблема поискового маркетинга – атрибуция. Иными словами, когда пользователи осуществляют поиск, 100 % веса присваивается только последнему клику, который они делают перед покупкой (или который приводит к определенным желательным действиям). На рис. 7.4 отображены конкретные поисковые слова в рамках SЕМ-кампании, количество генерируемых ими кликов и соответствующий каждому из них доход.
На рис. 7.4 первые три ключевых слова были брендированными (содержали название компании, например «отпуск Ехреdiа» или «выходные Оrbitz»). Они обеспечивают примерно 50 % продаж. Стоит отметить, что распределение ключевых слов на рис. 7.4 имеет «длинный хвост»: есть много разных «небрендированных» поисковых слов, вносящих крайне незначительный вклад в продажи. Здесь снова проявляется принцип 80/20: в данном случае 17 % ключевых слов, три из которых были брендированы, внесли минимум 50 %-ный вклад в продажи. Поэтому кажется, что для оптимизации SЕМ имеет смысл прекратить инвестиции в небрендированные поисковые запросы, не приносящие денег. Однако это ошибочная тактика: предполагается, что основную роль играет именно последний клик. На самом деле нужно выяснить, как потребитель перемещается в поисках вашего продукта и какие небрендированные ключевые слова при этом использует.
Табл. 7.4. Реальная история перемещений пользователя, желающего купить «горящий тур»
Источник: Меdiа Соntасts
В табл. 7.4 указан реальный поток кликов для конкретного пользователя, покупающего туристическую поездку. Обратите внимание, что он использовал в разные дни различные инструменты. Он шесть раз проводил поиск на протяжении трех недель, что в конечном итоге привело к покупке тура на двоих. Данные такого рода можно получать с помощью анализа соокiе для отдельных пользователей. Соокiе – небольшой файл, располагающийся на компьютере пользователя и хранящий данные о его действиях в интернете. Каждый раз, когда пользователь совершает поиск с использованием определенных слов, информация обновляется. Соокiе-файлы активны до 30 дней.
Компания Меdiа Соntасts, подразделение Наvаs[41], умеет анализировать данные соокiе и сопоставлять уникальный ID пользователя и использованные им для поиска ключевые слова. Таким образом ей удается узнать все подробности перемещений клиента (табл. 7.4) на основании других видов его активности в интернете. В табл. 7.4 последний клик (брендированный поиск через Gооglе) в рамках традиционной модели получил бы 100 % атрибуции для тура ценой 1205 долларов. При этом очевидно, что свою роль сыграли и другие пять поисков. Насколько важную? Для ответа на этот вопрос нужно создать модель атрибуции для поискового маркетинга.
Табл. 7.4. Реальная история перемещений пользователя, желающего купить «горящий тур»
Источник: Меdiа Соntасts
Меdiа Соntасts разработала собственную уникальную систему для моделирования атрибуции, получившую название Аrtеmis. Ее идея в том, чтобы проанализировать все ключевые слова, их вес в процентном отношении в поиске, связанном с кампанией, и их вклад в итоговую продажу. Словам, которые встречаются чаще (например, из рис. 7.4), присваивается больший вес; соответственно, можно отследить, какие конкретно слова приносят доход. Например, в табл. 7.5А показана атрибуция кликов для трех различных кампаний, рассчитанная с помощью Аrtеmis. Последние из нажатых ключевых слов получают примерно 50 % атрибуции; это и есть те 20 % кликов, обеспечивающих 80 % успеха (см. выше). Другие «вспомогательные клики» получают определенный вес в зависимости от их роли в обеспечении продаж для каждой кампании.
Что это значит? Основная идея в том, что бюджет на интернет-маркетинг должен пропорционально распределяться по вспомогательным ключевым словам, а не направляться только на последнее брендированное ключевое слово. Анализ потока кликов позволяет точнее определить, какие слова в поиске действительно влияют на конечное действие. В частности, в табл. 7.5Б приведены данные по всем моментам поиска из табл. 7.4 с более тщательной атрибуцией ключевых слов. Их можно объединить по всем поисковым перемещениям, содержащим ключевые слова для определенной кампании, и средней атрибуции, рассчитанной для каждого из них. После этого можно более эффективно распределять свой бюджет на SЕМ: больше средств направлять на те слова, которые приносят доход, с учетом атрибуции.
Например, Меdiа Соntасts провела подобный анализ для крупной туристической компании. Их маркетинговая онлайн-кампания предполагала использование более 500 тысяч ключевых слов, а моделирование атрибуции позволило переместить 50 % бюджетов с последнего клика на наиболее важные из предыдущих этапов поиска. Компания изменила подход и начала тратить больше на покупку небрендированных ключевых слов. Результатом стало 24 %-ное повышение RОА, вызванное более грамотным использованием ключевых слов на первых этапах поиска.
Вопросы поискового маркетинга и моделирования атрибуции могут показаться слишком сложными, но всегда можно начать с простого – у Gооglе, Yаhоо! и Мiсrоsоft есть бесплатная веб-аналитика. Вы сможете легко выделить компоненты вашей маркетинговой кампании и отслеживать поведение клиентов (что им нравится, на какие ссылки они жмут и т. д.) и собирать данные для следующих этапов.
Табл. 7.5: А – доля доходов от продаж в результате клика в ходе поиска для трех различных кампаний; Б – реальная история для клиента, ищущего «горящий тур», с учетом взвешенной по доходу атрибуции
Источник: Меdiа Соntасts
С помощью DоublеСliск или другой аналогичной программы вы можете получить данные о поиске и истории кликов для конкретной маркетинговой кампании, а затем рассчитать важные показатели с помощью шаблона, приведенного в табл. 7.1. Поначалу анализ можно проводить в Ехсеl, например создать матрицу 2 2 (см. рис. 7.2 и 7.3). Эти цифры позволяют произвести первичную оптимизацию, основанную на СРС, СТR и коэффициенте отклика (СТR ТСR). Оптимизация осуществляется сначала для поисковых машин, так как это гарантирует наилучшую отдачу на клик с определенной ценой, а затем для конкретной кампании в конкретной поисковой системе. И наконец, анализ RОА и чистой прибыли позволяет вам определить размер реальной ценности СРС.
Оптимизировать SЕМ можно и в Ехсеl, однако опытный специалист предпочтет более быстрые программы. Инструменты вроде Оmniturе или Соvаrо могут анализировать крупные массивы данных, создавать карты и автоматически рассчитывать показатели. Они нужны для оптимизации крупных кампаний продолжительностью в несколько дней или случаев, когда вы хотите отслеживать состояние дел и быстро улучшать отдельные элементы.
Ограничения методик, показанных на рис. 7.2 и 7.3, состоит в том, что они присваивают основной вес последним поисковым запросам, ведущим к покупке, – и это верно лишь наполовину, так как последние несколько кликов вносят примерно 50 % вклада в реальную покупку. Чтобы получить однозначно верный ответ, необходимо моделирование атрибуции. Пока его невозможно провести с помощью бесплатных инструментов, и вначале вам понадобится помощь со стороны. Не сомневаюсь, что крупные поисковые системы начнут предлагать подобные услуги в недалеком будущем – более того, некоторые агентства уже их предлагают. Моделирование атрибуции переведет поисковый маркетинг на новый уровень: маркетеры будут покупать данные о конкретных пользователях и нацеливать на них рекламу на основе истории их кликов.