Сергей Макаров

анализ данных

4 управленческих решений для оценки трафика

Из выступлений Ильи Красинского:

Существует всего 4 управленческих решений для рекламных кампаний:
— Отключить, если не сходится совсем
— Донастроить/Доработать
— Не трогать: работает и работает
— Усилить

Опишу каждый пункт и дополню примерами.

Отключить, если не сходится совсем

Когда анализируем результаты рекламной кампании, нас интересуют два момента:
затраты на кампанию и доход. Затраты — это фиксированная цифра, но величина дохода зависит от способа оценки.

Илья Красинский советует разделять доход на прямой и косвенный.

Прямой доход оценивается по атрибуции last click.

Косвенный доход учитывает ассоциированные конверсии. Но тут есть хитрости подсчета:

Ассоциированный доход по бесплатному трафику включает цепочки конверсий по last click и цепочки, где бесплатный канал трафика был последний.

Ассоциированный доход по всем каналам суммирует ценность всех ассоциированных конверсий.

Для наглядности, слайд из презентации Красинского:

оценка рекламных источников

Если затраты на рекламную кампанию сильно больше, чем прямой и косвенный доход, то отключаем кампанию.

Донастроить/Доработать

Донастраиваем, если кампания сходится хотя бы по косвенному доходу.

Примеры доработки:
— Отключить семантику с низким CR(%) и ROI
— Добавить минус слов
— Расширить объявления
— Сделать релевантные объявления
— Провести А/Б тест объявлений
— Почистить площадки
— Подключить оптимизатор
— Оптимизировать таргетинги

Не трогать: работает и работает

Если кампания сходится по прямому доходу.

Усилить

Если кампания сходится по прямому доходу и есть потенциал расширения. Например: высокий ROI, узкий таргетинг.

Как усилить:
— Расширить семантику
— Повысить ставки
— Убрать операторы соответствия ключевых слов
— Добавить новые форматы объявлений
— Расширить таргетинги
— Протестировать АРФ и ДРФ

Нет комментариев

Как объединить данные из MCF API и CORE API

Так сложилось, что данные по многоканальным последовательностям в Google Analytics выделены в отдельное API: Multi-Channel Funnels Reporting.
В интерфейсе Google Analytics нельзя построить отчет по параметрам и метрикам MCF API → нужно выгружать сторонними инструментами.

Покажу, как объединить данные MCF API и CORE API, и как построить отчеты на основе этих данных.

Запросы и обработка данных

Используем аддон Google Analytics для Spreadsheet.
1

Параметры MCF:


mcf:transactionId
mcf:conversionDate
mcf:basicChannelGroupingPath
mcf:pathLengthInInteractionsHistogram
mcf:timeLagInDaysHistogram

Метрики MCF:

mcf:totalConversionValue

Параметры CORE:

ga:transactionId
ga:productName

Метрики CORE:

ga:itemRevenue

Фильтруем только нужные конверсии:

mcf:conversionType==Transaction

Получили данные → теперь обработаем их. Например, в Power Query.

Получаем данные from web:

2

После обработки присоединяем таблицу MCF к таблице CORE через функцию Merge:
3

Выгружаем на лист и строим сводную.

Отчеты

Отчет показывает зависимость между ценностью корзины и количеством дней до транзакции:
dayshistogram

Видим, что наибольший доход приходится на корзины в диапазоне 500-2499 и длиной пути в 1 день.

Отчет показывает зависимость между ценностью корзины и количеством взаимодействий до транзакции:
interactionshistogram

Можно построить и другие отчеты. Например, исследовать зависимость между параметрами ga:productName, mcf:timeLagInDaysHistogram и метрикой mcf:totalConversionValue.

Нет комментариев

, ,

Анализ пересечения аудиторий рекламных кампаний

На одном из проектов стояла задача: выяснить, как пересекаются аудитории двух рекламных кампаний и какой эффект для бизнеса от этого пересечения.

Расскажу, как решал:

Выгружаем Client ID

Выгружаем через пользовательские отчеты или другим удобным для вас способом.

Считаем количество Client ID в Excel

Через функцию «СЧЁТЗ» подсчитываем количество Client ID для каждой рекламной кампании.

table1

Сравниваем списки Client ID

Найдем уникальные Client ID в каждом списке. Сравнение можно сделать в Excel, но я воспользуюсь сервисом overlist.

overlist

Считаем количество уникальных Client ID в Excel

Повторяем операцию с функцией «СЧЁТЗ». Для наглядности добавим столбцы с процентным отношением.
table2

Анализ процента пересечения

Выводы для примера:

— Только 6,60% пользователей из «Кампании 1» присутствует среди
аудитории «Кампании 2».

—19,79% аудитории «Кампании 2» есть в аудитории «Кампании 1».

—Не выявили критического пересечения.

Анализ эффекта от пересечения

Выяснили, как пересекаются аудитории, но какой профит от этого пересечения?

Чтобы узнать это, сравним три сегмента:

— В цепочке конверсий хоть раз была «Кампания 1».

— В цепочке конверсий хоть раз была «Кампания 2».

— В цепочке конверсий хоть раз были «Кампания 1» и «Кампания 2» (пересечение).

Строим отчет GA «Основные пути конверсий»

Сравнение сегментов делаем через отчет GA «Основные пути конверсий».

Опишу процесс для сегмента «В цепочке конверсий хоть раз была Кампания 1»:

В отчете «Основные пути конверсий» выбираем основной параметр «Путь кампании»:

otchet1

Выбираем нужную конверсию:

otchet2

Настраиваем сегмент конверсии:

otchet3

Сводим данные в единую таблицу

otchet4

Что делать с этими данными — решать вам. В примере сегмент по пересечению показывает средние бизнес-показатели и имеет право на дальнейшие существование.

Нет комментариев

, ,

Как рассчитать доверительный интервал для коэффициента конверсии в Excel

Представим, что перед нами стоит задача оптимизировать объявления в рекламной кампании по показателю коэффициента конверсии (далее CR).

confidence_intervals_1
Если судить по данным из таблицы, то наиболее высокий показатель CR у объявлений под номером 1,2 и 4. Объявления 3,5 и 6 с низким CR.

Верны ли эти выводы?

Проблема в том, что CR — это среднее значение. Истинное значение лежит в пределах интервала, который называется доверительным. Чем меньше данных, тем шире интервал.

Чтобы проверить выводы, рассчитаем нижнюю и верхнюю границу доверительного интервала.

Порядок расчета

Выбрать распределение
Для определения доверительного интервала выберем модель распределения вероятностей. Я остановился на бета-распределении. В сравнении с нормальным распределением обладает большей гибкостью, и интервалы для такого распределения легко вычислить в Excel (функция BETA.INV).

Определить вероятность ошибки расчета
Вероятность ошибки в 5% означает, что с вероятностью 95% все измерения коэффициента конверсии попадут в рассчитываемый интервал.

Рассчитать нижнюю границу

=IF(C5=0,0,BETA.INV($C$1/2,C5,B5-C5+1))

Рассчитать верхнюю границу

=IF(C5=B5,1,BETA.INV(1-$C$1/2,C5+1,B5-C5))

confidence_intervals_2

Анализ границ интервалов

Из этих данных получаем только один вывод: с вероятностью 95% у объявления 2 больше показатель CR, чем у 5-го. Чтобы определить минимальный процент выигрыша, вычтем значение CR верхней границы объявления 5 из значения CR нижней границы объявления 2.

CR(2)min - CR(5)max = 0,28%

По остальным объявлениям нельзя сделать достоверных выводов из-за пересечения доверительных интервалов.

Если нужно провести оптимизацию и нет времени ждать данных, то увеличьте вероятность ошибки. Это сузит доверительный интервал.

confidence_intervals_3

Нет комментариев

,