ИНКРЕМЕНТАЛЬНОСТЬ

Как сделать маркетинг гибким, или Зачем нужны инкременты и итерации

ИНКРЕМЕНТАЛЬНОСТЬ

Лиана Хазиахметова

Цифровая среда диктует новые правила. Сегодня проект может устареть раньше, чем увидит свет, поэтому важно держать руку на пульсе и вовремя вносить изменения в создание продукта.

В IT сфере применяют гибкие методологии, чтобы быстро реагировать на перемены в жизни, бизнесе, технологиях. Применить такой же подход Скотт Бринкер советует и в маркетинге.

Он более 20 лет работает на стыке маркетинга и программного обеспечения, и своим опытом Бринкер поделился в книге «Agile-маркетинг». Сегодня расскажем о двух подходах, которые сделают работу вашей компании гибкой.

Инкремент = приращение или этап

При инкрементальном подходе масштабная идея, программа или проект реализуются посредством небольших последовательных шагов.

Agile-маркетинг

Например, при запуске сайта вы можете создать первоначальный вариант (первый шаг) с небольшим объемом контента в незначительном числе разделов, а затем в ходе последующих шагов увеличить количество контента, разделов, добавить дополнительные функции и прочее. На протяжении ряда шагов сайт будет расти и может стать довольно большим и сложным. Но начинается все с малого и разрастается на одно легко поддающееся управлению действие за один раз.

Инкрементальный маркетинг приводит к накопительному результату

Согласно философии agile-разработки, каждый шаг должен давать жизнеспособный сайт. Хотя вначале сайт выглядит небольшим, простым и содержит не все, что посетители захотят увидеть, его все-таки можно запустить в виде «как есть», предложив пользователям целостный опыт. Функциональность сайта не должна быть нарушена. В худшем случае он просто будет весьма скромным.

Тем не менее каждый инкремент, или приращение, не должен запускаться только потому, что может быть запущен.

При более консервативном подходе к маркетингу большинство инкрементов в таком проекте останутся внутри организации. Разные заинтересованные стороны смогут предоставить обратную связь на каждом этапе пути.

И только тогда, когда сайт можно считать вполне завершенным, его демонстрируют всем желающим.

Ценность в применении такого поэтапного процесса есть даже в имеющейся среде.

Сайт проходит через разные этапы создания и должен быть пригоден к использованию на каждом шаге, чтобы заинтересованные лица действительно могли его опробовать.

Это отражают две ценности Agile-манифеста: работающий продукт важнее исчерпывающей документации, а сотрудничество с заказчиком важнее согласования условий контракта.

Заинтересованные стороны могут дать более детальную обратную связь в отношении того, что можно «потрогать руками», в противовес необходимости вникать в нечеткие описания или низкокачественные эскизы того, что должно получиться.

Естественные переломные моменты каждого инкремента позволяют часто корректировать курс на основе новой информации.

Когда при планировании спринта мы определяем, что будет создано в ближайшие инкременты, мы можем учитывать новые приоритеты и свежие инсайты рынка.

Работайте инкрементами, и вы всегда будете знать, куда вы идете. Источник

Чаще всего каждый завершенный инкремент дает нам возможность решить: «Пора запускать!», поэтому мы можем выпустить на рынок то, что получилось в конце любого из спринтов, если, на наш взгляд, ситуация благоприятная. И это консервативный подход.

Более прогрессивный подход, использующий преимущества цифровой динамики, состоит в более агрессивном запуске итогов завершенных инкрементных задач. Лучше сделать запуск раньше, чем позже.

В нашем примере с сайтом каждый завершенный инкремент будет по умолчанию незамедлительно опубликован для потребителей.

Более частый выпуск инкрементов дает еще два преимущества.

Во-первых, это позволяет получить обратную связь от реальной аудитории. Потенциальные и существующие клиенты могут сразу сообщить свое мнение или сделать это косвенно — посредством своего поведения.

Сколько времени они проводят на сайте? Сколько страниц просматривают? Делятся ли информацией в социальных сетях? Следуют ли нашим призывам к действию, например, подписаться на рассылку новой информации по электронной почте или запросить разговор с работником отдела продаж?

Такая обратная связь бесценна, поскольку выводит нас за пределы теоретических рассуждений, которые, как правило, доминируют во внутренних дискуссиях, о том, какая кампания предположительно должна найти отклик у аудитории.

Вместо этого мы получаем точные данные о том, какой отклик находят наши идеи. Мы можем использовать их, чтобы скорректировать направление работ в последующих инкрементах.

Не стоит позволять внутренним гипотезам слишком долго вариться в собственном соку, лучше вытащить их на свет, который проливают эмпирические данные.

Во-вторых, более частый выпуск инкрементов быстрее выталкивает последние маркетинговые идеи в мир — и они быстрее достигают целевой аудитории. Мы ускоряем изучение полученных результатов и используем открывающиеся возможности раньше конкурентов, получая солидную выгоду.

В современном маркетинге скорость имеет значение, и частый выпуск инкрементальных результатов помогает обуздать быстроту цифрового мира, обратив ее себе на пользу.

Итерация = версия

Итерации похожи на инкременты в том смысле, что обычно начинаются с малого. «Какой именно маркетинговый результат мы можем получить и развернуть в рамках одного спринта?» В отличие от инкрементов итерации не всегда рассматриваются как части крупного проекта.

Они либо дают небольшие автономные результаты, либо вносят незначительные изменения в существующие программы или функциональные средства. Их размер не обязательно должен увеличиваться.

Стимул для выполнения нескольких итераций — не рост масштабов того, что создается, а повышение производительности, как показано на рисунке.

Итерационный маркетинг направлен на достижение общего роста производительности

Типичный пример итерации в маркетинге — жизненный цикл посадочной страницы.

Это страница сайта, посвященная конкретной маркетинговой кампании, на которую будут попадать посетители, щелкнув по рекламе либо перейдя по ссылке, указанной в имейл-рассылке или социальных сетях.

Она, как правило, содержит призыв к действию и стремится убедить пользователей совершить его, например: заполнить форму, скачать отчет, зарегистрироваться на вебинар или сделать онлайн-покупку.

В маркетинге мы редко знаем заранее, что именно сработает. Существуют лишь наши предположения, основанные на опыте, интуиции и знании рынка, полученных при наблюдении за действиями других компаний. А еще есть вдохновение, которое иногда неожиданно нас посещает.

Но прогнозировать, какие идеи сработают в непроверенных ситуациях, практически невозможно. Люди и рынки слишком сложны, да и мир меняется чересчур быстро. В лучшем случае мы можем использовать всю имеющуюся информацию, чтобы сделать реалистичное предположение. Но мы не узнаем точно, пока не попробуем.

В доцифровом мире было мало маркетинговых идей, которые можно было проверить, поэтому мы делали ставки на кампании с наибольшим потенциалом (по нашему мнению) и смотрели, что из этого выйдет.

Иногда такие действия окупались, иногда нет. В те времена точных цифровых метрик не существовало, и мы не всегда знали, хорошо ли выполняется маркетинговая программа, даже если она была настоящим подарком для нас.

Это была игра по-крупному — с завязанными глазами.

Вместо того чтобы пытаться угадать, какая из десятка идей сразу же заработает, мы можем, рискуя по-крупному, попробовать все предложения с низкими рисками, а потом уверенно выбрать победителя. Это что-то вроде мошенничества, но в хорошем смысле.

Так выглядит более надежный способ — путь хакера — оказаться гением маркетинга.

Agile поможет стать гением маркетинга. Источник

Чем больше вариантов мы протестируем, тем выше вероятность обнаружить среди них выигрышный. Именно поэтому agile-маркетинг подразумевает многочисленные небольшие эксперименты вместо нескольких масштабных активностей.

Это не значит, что мы не можем или не хотим делать большие запуски, мы просто стремимся как можно чаще использовать опыт проверки мелких активностей, чтобы определить, какие из них в крупном формате будут наиболее успешными.

Цифровая среда делает такое поведение технически осуществимым, а спринты Agile — организационно реалистичным. Ограниченность времени спринта заставляет делать итерации небольшими, поэтому их можно быстро реализовать и протестировать.

Обзор спринта дает возможность анализировать результативность последних итераций, оценить результаты по сравнению с ожиданиями и в следующем планировании спринта учесть относительный приоритет дальнейшего развития конкретной инициативы или перейти к какой-либо другой.

Это объясняет, почему agile-маркетинг считает тестирование и данные важнее мнений и условностей. Мы можем запустить небольшие тесты с низким риском, поэтому нет необходимости полагаться на «чутье», чтобы решить, какой подход выбрать для определенной маркетинговой тактики.

Вместо того чтобы спорить, лучше сказать: «Давай проверим!» — и полученные данные покажут, что нравится аудитории.

Такой подход также обеспечивает безопасный способ отказа от части устаревших правил организации. Столкнувшись с непрошибаемой стеной установок «мы всегда делали именно так» или «мы никогда так не делали», agile-маркетологи скромно посоветуют «просто проверить этот способ». Результаты выявят наиболее эффективный вариант.

Попробуйте, и вы увидите, как итеративные и инкрементные изменения в работе улучшат и повысят эффективность компании.

По материалам книги «Agile-маркетинг»
Обложка поста: unsplash.com

Источник: https://biz.mann-ivanov-ferber.ru/2019/03/23/kak-sdelat-marketing-gibkim-ili-zachem-nuzhny-inkrementy-i-iteracii/

Полный гайд по инкрементальности в маркетинге

ИНКРЕМЕНТАЛЬНОСТЬ
Привет, читатель! Меня зовут Артём Сайгин, я веду проект «Growth Lab», в котором рассказываю о digital-маркетинге и росте IT-продуктов.

Каждый день компании теряют значимую часть бюджета на пользователей, которых получили бы и так, бесплатно. Представьте, что вы могли бы знать, какая часть маркетингового бюджета расходуется впустую, и сэкономить его.

В этой статье мы научимся это делать.

О чем поговорим в статье:

  • Инкрементаьность, что это.
  • Как её рассчитать
  • Инкрементальность и атрибуция.
  • Где чаще всего встречается инкрементальность.

Приступим.

Дисклеймер: в статье я намеренно упростил большинство факторов влияющих на ход экспериментов и расчёт инкрементальности: оптимизацию каналов, сезонность, конкуренцию и т.д. (факторов может быть очень много).

Всё для того, чтобы сконцентрировать внимание только на фундаментальных понятиях и расчётах инкрементальнсоти.

По той же причине в материале нет углубления в детали, такие как настройка в конкретных источниках или каналах, полагая, что читатель поймет куда копать, т.к. базовые формулы будут даны.

Что такое инкрементальность

Инкрементальность показывает, сколько в действительности новых пользователей (продаж, дохода) вы получили, показатель измеряется в процентах; чем процент инкременетальности выше, тем «чище» результат вы получите. Для большего понимания давайте представим себя на месте Product Owner.

У нас есть продукт (приложение или веб-сайт — не важно), и этот продукт имеет постоянный поток продаж из органики. Далее мы решаемся увеличить число продаж и подключить платные каналы. Отдел маркетинга предложил запустить в первую очередь контекстную рекламу, как по брендовым, так и по транзакционным запросам — так и сделали.

Спустя 6 месяцев после запуска платного канала пришло время подвести итоги. Маркетологи показывают позитивный отчет: продажи растут, CAC (Customer Acquisition Cost) в пределах плана, придраться не к чему — хорошая работа.

Но так ли всё хорошо, как кажется на первый взгляд?
Давайте посмотрим на отчёт детальнее.

Взглянув на продажи со всех каналов, понимаем, что общие продажи драматически не растут.

Продажи не растут, а расходы заметно увеличились, т.к с каждым месяцем все больше бюджета выделялось на маркетинг.
После объединения графиков платного канала и органики картина начинает проясняться:

Мы закупаем собственную органику, т.е пользователи и так бы пришли к нам, даже если бы мы за них не заплатили. И тут нужно выяснить, а какая часть из привлечённых нами с помощью рекламы пользователей не пришла бы по органике. Это и есть основное понятие инкрементальности (Incrementality). На графике ниже мы видим, как в действительности распределялись продажи.

Incrementality — показывает, сколько реально новых продаж мы смогли получить из платного канала.
Cannibalization — продажи, которые мы перекупили у нашей органики

Такая ситуация, как в примере, происходит часто, и в большинстве случаев на неё закрывают глаза во вред органике. Чтобы избежать рост каннибализации для каждого нового канала, нужно проводить инкрементальное тестирование — фундаментальный способ исследования, показывающий реальную рентабельность инвестиций в вашу рекламу. С помощью этих данных, вы сможете понять, что будет, если не запускать рекламную кампанию. Закрепим. Чем «чище» трафик, тем он инкрементальнее, т.е лучше.И это нужно понимать и считать при запуске нового канала, источника. Думаю, с понятием инкрементальности разобрались, теперь перейдём к более сложной части — расчёту.

Как рассчитать инкрементальность

Инкрементальность (Incrementality) рассчитывается по формуле: Incremental — в нашем случае число инкрементальных продаж.
Paid — число продаж из платного канала. Эта формула подойдёт для расчёта инкрементальности любого нужного вам показателя: трафик, лиды, продажи и т.д.

В нашем случае рассчитаем инкрементальность продаж. Вернёмся к примеру, мы запустили контекстную рекламу и теперь хотим узнать, какой процент инкрементальности имеют продажи из этого канала.

До запуска рекламы у нас было ~ 2600 продаж из органики, это число и будем считать за «постоянную величину» на протяжении 6 месяцев эксперимента.На практике нужно учитывать больше параметров: сезонность, работа над SEO и т.д.

— факторов много, в этом примере я сильно упростил, чтобы максимально донести суть, не углубляясь в детали. Прежде чем рассчитать процент инкрементальности, нужно найти переменную Incremental — т.е число инкрементальных продаж.

Формула расчета Incremental выглядит так: Чтобы найти инкрементальные продажи, из платных продаж отнимем продажи, которые были «каннибализированны» из органики, назовем эту переменную — cannibalization.

Cannibalization = число, на которое уменьшился ваш постоянный поток продаж из органики.

В нашем примере cannibalization выглядит так: Получив значение Cannibalization, легко рассчитать Incremental — продажи с платного канала (переменная Paid) минус cannibalization. Получив все нужные нам переменные, можем перейти к финальной стадии расчёта, и вычислить % Incrementality (по формуле: Incremental / Paid): Рассчитав Incrementality, можем сделать вывод, что с увеличением продаж из платного канала падает процент инкрементальности этих продаж. В примере всё просто и понятно, но на деле много подводных камней. Инкрементальность может разниться в зависимости от канала и источника, сегмента аудитории, бюджетов и т.д. Основная сложность расчёта — это найти Incremental (число инкрементальных продаж), так как получив это число, мы сможем рассчитать % инкрементальности. Давайте посмотрим на разные способы расчета Incremental.

1. Выявляем incremental через A/B-тест

Такой формат хорошо подходит для выявления инкрементальности платного трафика в соц.сетях, медийных и ремаркетинговых кампаниях. В ремаркетинге особенно важно считать инкрементальность — чем более горячая аудитория (ремаркетинг на продление продукта, брошенная корзина и т.д.), тем менее она инкрементальна. По моему опыту, редко когда инкрементальность ремаркетинговых кампаний достигала > 35%.

Как выглядит эксперимент:

Создаются две идентичные аудитории А и B.Обе группы одинаковы во всех отношениях, за исключением того, что группе A мы показывали рекламу, а группе B — нет.Далее, измерив конверсии в обеих группах, мы сможем стат. значимо посчитать, как влияет и влияет ли вообще маркетинговая кампания на продажи.

2. Отключение канала

Простой, но при больших объёмах платного трафика рискованный способ расчёта инкрементальности. Методология заключается в том, что мы останавливаем все маркетинговые активности и находим базовое значение органики (константу органики, как в нашем примере). Потом один за другим включаем каналы и считаем их инкрементальность. Этот вариант не подойдет, если у вас нестабильный трафик из органики или вовсе его нет. Подойдите к этому варианту с максимальной осторожностью.

3. Корреляция каналов

Хороший, но не во всех ситуациях применимый способ. Берем органику и платный канал и смотрим, как они коррелируют, чем выше корреляция — тем выше вероятность каннибализации. Часто корреляцию можно увидеть в контекстной рекламе на бренд и мобильных (UAC) кампаниях. С расчётом разобрались, идём дальше.Разберём ещё один «подводный камень» инкрементальности — атрибуцию.

Инкрементальность и атрибуция

В этом блоке мы кратко посмотрим, как атрибуция может влиять на инкрементальность.

Не будем рассматривать все модели атрибуции и углубляться в теорию, остановимся лишь на некоторых моментах, этого будет достаточно для понимания. Прежде чем приступить к основной информации, напомню, что такое атрибуция.

Атрибуция – это присвоение ценности конверсии различным событиям, происходящим на пути к этой конверсии, например показам объявлений и кликам.

Модель атрибуции – это правило или набор правил, определяющих принцип распределения ценности. Бывает много моделей атрибуции, на иллюстрации ниже представлены основные из них.

Post-view — часто модель атрибуции по показам искусственно завышает показатели источника. Представим, что мы закупаем трафик в источниках A и B.Один пользователь увидел рекламу каждого из источников с одинаковой частотой (всего один раз за выбранный период) и, кликнув по объявлению B, — совершил покупку. При post-view аналитике источник A может засчитать себе продажу, т.к пользователь взаимодействовал с рекламой.Посчитав инкрементальность с учетом атрибуции, мы бы поняли, что источник A неинкрементален (можно его отключить без потерь для компании).

First Touch — источник присваивает себе конверсию, хотя канал может не являться в действительности важным на пути к ключевому действию.

Тут есть аналогия с примером выше, только ценность распределятся не по показам, а по кликам, действие отдается первому источнику в цепочке до конверсии.

Окно атрибуции — в разных продуктах и типах бизнеса влияет по разному, в B2B/SMB окно атрибуции может учитывать больший период времени и при этом сильно не влиять на инкрементальность, но увеличение окна атрибуции в b2c продуктах может заметно влиять на инкрементальность.

Атрибуция и инкрементальность могут негативно взаимодействовать между собой, и в некоторых примерах мешают в прозрачной оценки ценности канала, но нужно учесть, что атрибуция и инкрементальность – независимые концепции, дополняющие друг друга в достижении эффективного результата. Теперь поговорим о разных ситуациях, где подсчёт инкрементальности важен, но на первый взгляд таковым не кажется.

Где встречается инкрементальность

В этом блоке мы посмотрим на каналы из разных областей бизнеса, чтобы зафиксировать пройденный материал.

1. Акции

Первое, с чего хочется начать — стимулирование продаж акционными кампаниями, т.к в них часто забывают просчитать инкрементальный доход. Представим, что у нас интернет-магазин электроники.Чтобы привлечь новых клиентов, мы подготовили скидку в 30% к Black Friday.

Как и большинство кампаний, мы начали анонсировать акцию за определенной период до её старта (в нашем примере за 2 месяца).

В день акции мы видим всплеск продаж и засчитываем всё в успех акции, но давайте посмотрим подробнее на график:

За месяц до акции и месяц после видим отчетливое падение, и акционный «всплеск» не смог компенсировать это. Тот же график, но более наглядно

Из полученных данных можем сделать вывод — акция не повлияла на продажи. Проведя расчет инкременатальности, как в примерах выше, мы могли бы увидеть, что продажи неинкрементальны. Постоянные пользователи, которые и так бы купили товар по полной цене, увидев анонс акции, решили подождать месяц и купить дешевле (на графике видим падение продаж за месяц до акции). Акцией мы не привлекли новых клиентов, показатели остались те же, как если бы мы не запустили кампанию, но из-за скидки мы потеряли 30% revenue.

2. Контекстная реклама по брендовым запросам.

Часто контекстная реклама по брендовым запросам в веб-продуктах имеет низкую инкрементальность (при условии, что у продукта хорошо проработана брендовая семантика в SEO), в среднем, % Incrementality ~ 10-30%.

Чем ниже конкурентность в поисковой выдаче по брендовым запросам, тем ниже инкрементальность. Но учитывайте, что даже при низкой инкрементальности не стоит спешить с отключением рекламных кампаний на бренд, т.к.

вы оставляете первый экран в поисковой выдаче конкурентам.

3. Ремаркетинговые кампании.

Я уже затрагивал ремаркетиновые кампании в статье, но выделю еще раз. Чем более горячая аудитория в ремаркетинге (кампании на продление продукта, брошенная корзина и т.д.), тем менее она инкрементальна. Приведу пример «горячей аудитории» для понимания.Давайте представим, что у нас продукт по подписке с ежемесячной оплатой и низким Churn Rate ~ 10%.

Мы решили запустить ремаркетинговую кампанию на всех пользователей у которых истекает подписка — осталось 5 дней. Пользователь видит рекламное объявление и кликнув по нему, продлевает подписку. В таком примере процент инкрементальности будет низким, т.к. имея Churn Rate 10% большая часть пользователей (90%) продлит подписку и без ремаркетинговой кампании, т.е.

инкрементальность равняется — 10%.

4. OEM канал.

К OEM каналу я отношу предустановку софта (как app, так и web) на девайсы производителей и дальнейшую работу по разным моделям CPI, CPA и т.д. В таких каналах чем узнаваемее бренд (продукт), тем ниже инкрементальность. Представим, что мы занимаемся дистрибуцией мессенджера WeChat в Китае и договорились с Meizu о предустановке приложения на 1 млн. новых смартфонов. За каждую установку на заводе (CPI) мы будем платить N-сумму. Не зная про инкрементальность, мы засчитаем все устройства, как абсолютно новую привлеченную нами аудиторию пользователей, но это не так. Знание о WeChat в Китае огромное, и с вероятностью в 70-80% (цифры выдуманные, их нужно считать для каждого конкретного случая) пользователей этих девайсов и так бы установили мессенджер из стора — бесплатно. От процента инкрементальности будет зависеть дальнейшая стратегия в дистрибуции и назначение цены. Примерный расчёт зависимости цены от инкрементальности: Получается, мы привлечем от сотрудничества с Meizu только 20-30% новой аудитории, при таком проценте инкрементальности мы не сможем (экономически невыгодно) платить производителю стоимость, как за 100% инкрементальных пользователей. Если за 10 пользователей с 100% инкрементальностью мы можем заплатить $1000 (CPI — $100), то при инкрементальности в 20% CPI должен быть равен $20. При тех же затратах в $1000 мы получим 20 пользователей, но из них только 10 будут инкременатльными, т.е CPI на нового пользователя останется тем же — $100. В этом блоке я привёл четыре примера каналов, где инкрементальность может быть низкой, в действительности их куда больше. На этом всё. Надеюсь, статья была полезной, и полученные знания помогут вам сделать маркетинговую стратегию эффективнее. Больше подобных статей можно читать на моём Telegram-канале «Growth Lab». Не забудьте поделиться с коллегами или просто с теми, кому может быть интересна статья. Инкрементальных вам продаж!

Источник: https://proroas.ru/incremental

Как работать с бесплатным инструментом аналитики Attribution

ИНКРЕМЕНТАЛЬНОСТЬ

Сегодня, чтобы склонить пользователя к покупке как в онлайне, так и офлайне, приходится прикладывать все больше усилий. Увеличивается количество рекламных касаний, причем на разных устройствах (ноутбук, телефон, планшет).

Вместе с этим возрастает и сложность измерения эффекта от каждого такого касания.

Особенно это справедливо для товаров с длительным циклом покупки, когда задействовано множество маркетинговых каналов или когда часть действий в рамках итоговой конверсии пользователи совершают в офлайне (эффект Research Online Purchase Offline).

Решения от  и Google

Рекламные площадки и системы аналитики предлагают свои решения, чтобы измерить влияние касаний на пути пользователя к конверсии (атрибуцию). Самое популярное бесплатное решение — это Google Analytics. Однако если сравнить количество конверсий в Google Analytics и  Ads или даже Google Ads, вы наверняка заметите, что данные редко совпадают. С чем это связано?

  1. Площадки не обмениваются достаточным количеством данных друг с другом (например, не отдаёт информацию о рекламных показах в Google).

  2. Вы видите данные в системах согласно установленным моделям и окнам атрибуции (периоду времени до конверсии, в который точкам, участвующим в ней, назначается ценность, определенная моделью атрибуции). У площадок такие окна и модели могут быть разными.

  3. Google сложнее собирать и понимать данные по мультиканальным конверсиям одного пользователя. проще, так как пользователи логинятся своими данными как на ноутбуках, так и на мобильных устройствах.

Cossa рекомендует использовать ApiX-Drive для самостоятельной интеграции разных сервисов между собой. Доступно 200+ готовых интеграций!

  • Автоматизируйте работу интернет-магазина или лендинга;
  • Расширяйте возможности за счёт интеграций;
  • Не тратьте деньги на программистов и интеграторов;
  • Экономьте время за счёт автоматизации рутинных задач.

Бесплатно протестируйте работу сервиса прямо сейчас и начните экономить до 30% времени! Перейти

Реклама

Атрибуция является people based и мультиканальной

В 2018 году представил свое бесплатное решение для оценки эффективности рекламы, которое учитывает и клики, и и показы рекламы (как на площадках семейства , так и других площадках) — Attribution.

Для того чтобы начать работать с ним, перейдите по ссылке и следуйте указаниям . Важно понимать, что все данные в сервисе начинают собираться после того, как вы создали проект по атрибуции (ретроспективных данных нет).

создает проект и обрабатывает данные, а далее вы попадаете в отчет «Результативность». Но прежде чем изучить его, давайте разберемся с основными составляющими, с которыми нам предстоит работать в рамках проекта по атрибуции.

Модели атрибуции

Различные модели атрибуции назначают разную долю ценности касаниям, участвовавшим в конверсии. Они бывают основаны на правилах или на статистике (модели еще называют алгоритмическими).

В моделях, основанных на правилах, ценность участия в конверсии распределяется между одним или несколькими каналами в соответствии с назначенными правилами, которые могут быть изначально заданы системой или вами.

Алгоритмические, например модель атрибуции на основе данных, учитывают исторические данные, чтобы определить долю ценности касаний в рамках конверсии.

Давайте рассмотрим модели, доступные в  Analytics:

  • линейная . Ценность распределяется равномерно между всеми касаниями (клик, посещение или показ). Если временной промежуток между кликом и посещением составляет не более 60 секунд, ценность получает только клик. Когда показ и клик связаны с одним и тем же объявлением и произошли в пределах 24 часов, то при подтверждении конверсии они учитываются как одна точка взаимодействия;
  • по первому клику или посещению. 100% ценности получает первый клик или посещение перед конверсией. Если временной промежуток между кликом и посещением составляет не более 60 секунд, засчитывается только клик;
  • по первому касанию. 100% ценности получает первый клик или посещение. При их отсутствии ценность назначается первому показу;
  • по последнему клику или посещению . 100% ценности получает последний клик или посещение перед конверсией. Если временной промежуток между кликом и посещением составляет не более 60 секунд, засчитывается только клик;
  • по последнему касанию. 100% ценности получает последний клик или посещение. При их отсутствии ценность назначается последнему показу;
  • с привязкой к позиции 30% (40%). Первое и последнее касания получают по 30% (40%) ценности, остаток распределяется между остальными касаниями равномерно. Если временной промежуток между кликом и посещением составляет не более 60 секунд, ценность распределяется только клику. Когда показ и клик связаны с одним и тем же объявлением и произошли в пределах 24 часов, то при подтверждении конверсии они учитываются как одна точка взаимодействия;
  • с учетом давности взаимодействия 1 день (7 дней). Модель пошаговой атрибуции уменьшает величину ценности вдвое по прошествии заданного времени, бо́льшую ценность получают последние по времени точки касания. Например, если выбрана однодневная модель, то касание за день до конверсии получит 50% ценности, за два дня — 25%;
  • на основе данных. Назначает частичную ценность точкам касания на основании их приблизительного инкрементального (дополнительного) влияния (можно применять только для измерения кампаний на , в Instagram, Audience Network и Messenger).

Для всех этих моделей, кроме последней, можно выбрать условия распределения ценности:

  • учитывать все посещения. Ценность распределяется равномерно;
  • не учитывать прямые посещения (по умолчанию). Ценность распределяется между платными и органическими касаниями, если такие касания не принимали участия в конверсии, ценность отдаётся прямым посещениям;
  • не учитывать посещения. Ценность распределяется только между показами и кликами, если такие касания не принимали участия в конверсии, ценность отдаётся прямым посещениям.

Выбираем правило распределения ценности

Для некоторых моделей можно установить приоритет распределения ценности на платные каналы.

Окна атрибуции

Это период времени до конверсии, в рамках него точкам касания назначается ценность исходя из выбранной модели. Здесь можно выбрать один из 17 вариантов. Модель по умолчанию — 28 дней после клика или перехода и 1 день после показа. Минимальное значение — 1 день после клика, перехода, показа. Максимальное — 90 дней после клика, перехода, показа.

Какой вариант выбрать, зависит от того, как быстро конвертируется ваш пользователь после первого касания. Для большинства товаров/услуг с невысокой стоимостью можно пользоваться моделью по умолчанию или сделать окно меньше, например 7 дней после клика и 1 день после показа. Для продуктов/услуг с высокой стоимостью, соответственно, наоборот.

Несколько вариантов окон атрибуции

Добавление рекламных площадок

Инструмент позволяет добавлять данные по расходам из внешних площадок с помощью уже частично готовых интеграций или кастомных тегов, которые нужно добавлять в кампании из других источников. В отличие от Google Analytics, где все данные по другим площадкам собираются автоматически, здесь это делать совсем неудобно.

Загрузка офлайн-конверсий

Attribution позволяет загружать офлайн-конверсии как с помощью API, так и вручную. Это поможет идентифицировать пользователей, которые, например, посетили офлайн-точки продаж и совершили там конверсию, после клика/показа рекламы, то есть понять всю цепочку касаний, которая предшествовала конверсии.

Отчет «Результативность»

Вся отчетность в проекте по атрибуции разбита на три раздела. В разделе «Результативность» можно посмотреть и сравнить, как ведут себя прямой трафик, «органика» и платные кампании согласно выбранным датам и конверсиям.

Отчёт «Результативность»

Отсюда можно посмотреть более детальные отчеты по платным (сюда относятся все платные клики и показы, а также посещения, в URL которых были обнаружены параметры UTM) и органическим (к ним относит ресурсы, где в URL рекламы не были обнаружены параметры UTM, но был определен реферальный домен) каналам и настроить распределение ценности для моделей атрибуции.

Если вы добавили сторонние платформы и настроили теги для кликов и показов, то данные по ним будут отображаться здесь  же.

По платным каналам также можно сравнить результативность текущей выбранной модели атрибуции и модели на основе данных.

Пример, когда модель на основе данных не поменяла общей картины (данные по ней отмечены синим)

Пользовательские отчеты

Эти отчеты позволяют создать пользовательские разбивки в нужной группировке, чтобы было легче анализировать данные по интересующим вас параметрам.

Список доступных метрик для отображения в отчётах

Такие отчеты можно скачивать.

Пути конверсии

Здесь собрана информация о том, какими путями пользователи дошли конверсии, на каких устройствах они взаимодействовали с рекламой, а на каких совершили фактическую конверсию. Здесь вы сможете увидеть, какому количеству пользователей достаточно одного касания, а кому нужны несколько касаний до конверсии.

Кроссплатформенные пути конверсии

Какую модель выбрать

Все зависит от ваших целей. Большинство рекламодателей используют модели по последнему клику (Last Click) или по последнему непрямому клику (Last Non-Direct Click) (модель по умолчанию в Google Analytics). Отличие второй в том, что она позволяет стимулировать каналы, которые приводят к прямым посещениям. Такие модели не учитывают весь путь пользователя.

Линейная, позиционные модели или модели с учетом давности взаимодействия хоть и учитывают несколько касаний в рамках конверсии, но не дают информации о том, какое касание на самом деле было самым ценным.

Поэтому и появились более сложные алгоритмические модели, основанные на ML (machine learning). Такие модели есть как у , так и у Google. Однако у них есть свои нюансы, в  модель применяется только к Paid-источникам семейства .

А в Google для того чтобы начать пользоваться этой моделью, нужно собрать:

  • 400 конверсий каждого типа с длиной пути не менее двух взаимодействий (то есть 400 конверсий для одной цели или транзакции, а не сумма конверсий всех типов);
  • 10 000 путей взаимодействия в выбранном представлении (примерно соответствует 10 000 пользователей, хотя одному пользователю может соответствовать несколько путей).

Инструменты атрибуции как , так и Google позволяют сравнивать модели.

Если вы видите, что при использовании какой-то модели данные существенно отличаются, это знак, что нужно детальнее изучить путь пользователя и влияние каналов на конверсию.

Возможно, использование другой модели атрибуции позволит переоценить влияние каналов и перераспределить бюджет на те, эффективность которых сначала была неочевидна.

Итого

  • Сервис абсолютно бесплатен.
  • Дает больше информации, чем другие инструменты о том, что происходит в , Instagram и Messenger. Если вы активно используете эти каналы, то  Attribution может натолкнуть на полезные инсайты.
  • Показывает, как платные, органические и прямые каналы влияют на конверсию.
  • Помогает проанализировать мультиканальные пути пользователей к конверсии.

Инкрементальность

Все эти модели и инструменты нужны, чтобы определить влияние маркетинговых каналов на конверсию. Сравнение и их анализ может помочь, например, в переоценке канала «прямые посещения», которые, очевидно, были вызваны какими-то платными активностями.

Можно пойти дальше и продолжить задавать вопросы, к примеру: каким инкрементальным эффектом обладают наши рекламные кампании? То есть, например, случилась бы конверсия, если бы пользователь не увидел нашего ретаргетинга? Чтобы ответить на этот вопрос, необязательно пытаться использовать какую-то сложную модель атрибуции.

Варианты тестов в разделе Test & Learn

На многих рекламных платформах есть возможность проводить тесты на инкрементальность, например раздел Test & Learn раздел в . В рамках такого теста пользователей делят на две группы. Тестовой группе показывается реклама, контрольной нет.

Затем подсчитывается, сколько людей совершили конверсии в обеих группах, разница между этим количеством и является инкрементальным приростом. То есть вы узнаете, как ваша рекламная кампания повлияла на выбор пользователя.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.

Источник фото на тизере: Unsplash

Источник: https://www.cossa.ru/trends/257144/

Измеряйте успех кампаний по повторному таргетингу с новой функцией инкрементальности от AppsFlyer

ИНКРЕМЕНТАЛЬНОСТЬ

Мы задались целью решить важную задачу: помочь рекламодателям определить ценность каждого рубля, вложенного в маркетинговые кампании, добиться инкрементального прироста и оправдать инвестиции.

Проще говоря, инкрементальность показывает, как изменения отражаются на прибыли, будь то изменения в привлечении пользователей, или в повторном взаимодействии. Как будет выглядеть моя эффективность при двух сценариях: а) если я буду проводить кампании повторного вовлечения и б) если я не буду проводить никаких кампаний вообще?

Что еще сложнее детализировать и измерить, так это инкрементальное воздействие при наличии многих факторов воздействия.  В конце концов, маркетологов, в основном, интересует, рентабельность их маркетинговых кампаний.

Давайте представим сценарий A/ B-теста для приложения доставки еды: ваша цель – понять оптимальное время после установки, во время которого можно привлечь новых пользователей и преобразовать их в платежеспособных пользователей. Гипотеза ? Кампании ретаргетинга, проведенные через 3 дня после установки, приведут к большему числу платежеспособных пользователей, чем кампании, проведенные через 7 дней после установки.

По завершении теста маркетинговая группа анализирует результаты и приходит к выводу, что в кампаниях, проведенных через 3 дня после установки, коэффициент конверсии намного выше, чем в кампаниях, проведенных через 7 дней.

То, что было упущено маркетологами при проведении этого теста – это контрольная группа.

Почему контрольная группа имеет такое значение? Она очень важна, потому что контрольная группа предоставила бы нормативный показатель сценария, который мог бы произойти с этими пользователями естественным образом, если бы им не показали рекламу.

Другими словами, в вышеупомянутом сценарии некий сегмент пользователей приложения не должен был быть задействован в кампаниях по повторному вовлечению (на 3-й и 7-ой день после установки). 

Сравнение результатов анализа с «постоянной величиной» (без изменений в среде для пользователей приложения) даст истинную картину инкрементального воздействия на кампанию повторного вовлечения в дополнение к существующим усилиям. Только тогда маркетологи могут получить полноценные результаты, необходимые для оптимизации бюджета.

Анализ «контрольной группы по сравнению с тестовой» позволил бы заключить, что предположение о более высоких показателях конверсии через 3 дня после установки было верным только потому, что в этой группе уже есть активные пользователи, которые стали бы платежеспособными пользователями независимо от кампаний повторного вовлечения через 3 дня после установки.

Как показано в нашем примере, инкрементальный анализ особенно важен при измерении кампаний ретаргетинга, поскольку нужно учитывать органических пользователей, которые активно пользуются вашим приложением, и вероятней всего, продолжат активно пользоваться им в будущем. Как маркетологи смогут тогда узнать, стоит ли им вкладывать деньги в рекламные кампании, если в итоге они получат пользователей, которые бы пришли к конверсии самостоятельно?

Единственный способ оправдать дополнительные вливания в кампании по повторному вовлечению – это проверить инкрементальный прирост.

Это имеет решающее значение для решения двух задач:

  1. Чтобы понять реальный показатель ROI для маркетинговых кампаний, что позволит маркетологам выяснить источник роста эффективности.
  2. Чтобы оптимизировать показатели активности на разных каналах, и распределять бюджет исходя из проверенных данных.

Там, где атрибуция встречается с инкрементальностью

Несмотря на то, что вы уже знаете, какие рекламные сети приносят вам наибольшие конверсии, все еще важно понимать инкрементальную ценность, которую приносит каждый новый партнер в дополнение к существующим сетям.

Это особенно актуально в наше время, когда пользователи подвергаются многочисленным кампаниями повторного вовлечения на разных платформах и устройствах.

Конверсионные воронки превратились из некогда простых (от клика до покупки) в комплексную многоканальную игру, требующую сложные данные атрибуции для четкого понимания пути пользователя.

Функция инкрементальности в AppsFlyer

Будучи независимым поставщиком атрибуции, AppsFlyer играет важную роль в инкрементальном анализе. Когда информация по всем каналам стекается в одну точку сбора и обработки, значительно легче понять инкрементальный прирост каждой отдельной сети или кампании и их вклад в KPI.

Если вы подумываете о проведении A/B тестирования (или уже начали его), и чувствуете, что вы ничего не понимаете, не беспокойтесь, вы не одиноки. Вам поможет функция «Аудитории» от AppsFlyer. Настройка любого теста занимает много времени и сил.

Подготовка данных, обработка, поиск пользователей, которые имеют схожие характеристики, рандомизация данных, создание API с каждой сетью ретаргетинга – все это может оказаться сложным даже для опытных бизнес-аналитиков.

Благодаря AppsFlyer, который предоставляет инструменты для поддержки технической части выполнения A/B-тестов, разработчики могут инвестировать средства в создание организационной культуры и процессов, необходимых для проведения эффективного и масштабируемого тестирования.

Выводы

В последние годы ретаргетинг стал занимать центральное место в маркетинге, эта тенденция наблюдается во всех вертикалях (особенно в вертикали шоппинга).  Учитывая рост расходов на ретаргетинг, необходима уверенность в том, что ваши рекламные инвестиции оправдывают ваши цели.

Кроме того,персонализация является приоритетом для цифровых маркетологов; сюда входит настраивание рекламы на определённую аудиторию, контроль за тем, как частоаудитория просматривает ваше объявление, продумывание рекламного сообщения, которое должно учитывать конкретное положение пользователя в воронке конверсии.

Основной подход,

использующийся в People-Based Attribution, делает упор на персонализированную и понятную рекламу. Разрозненные измерения больше не имеют практической ценности, а что действительно важно, так это понимание инкрементального воздействия по всему циклу повторного вовлечения. 

К счастью, AppsFlyer предоставляет инструмент измерения инкрементального тестирования, чтобы помочь рекламодателям получить полную картину пути клиента.

Следите за новостями, чтобы не пропустить вторую часть статьи «Инкрементальное тестирование» с AppsFlyer.

A product manager and online marketing veteran, Niv thrives on anything innovative and enjoys bringing his experience in user acquisition, ad tech and analytics into creating the future generation of disruptive marketing cloud products.

Источник: https://www.appsflyer.com/ru/blog/incrementality-testing-success-audiences/

Все термины
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: