Оценка эффективности контекстной рекламы. Корреляционный анализ
Запустить контекстную (да и любую другую рекламу), это только первый шаг. Следующий шаг — ее анализ и планомерная работа по повышению эффективности контекстной рекламы.
Еще до запуска контекстной рекламы должны быть настроены цели в веб-аналитике и подключено отслеживание телефонных звонков (через Целевой звонок Яндекс Директа или альтернативными способами).
Через некоторое время у нас на руках появляется примерно такой отчет и график.
Данные по рекламному трафику и целям в веб-аналитике выгружены из Яндекс Метрики (можно использовать данные из Google Analytics). Только если в дальнейшем будете сравнивать эффективность работы за разные временные промежутки, то нужно использовать какую-то одну систему аналитики.
В сводный отчет были добавлены данные по количеству звонков и уникальных звонков из контекстной рекламы. Данные есть, но какой показатель использовать в качестве основного для оценки эффективности контекстной рекламы и ее дальнейшей оптимизации?
Чаще всего рекламодатели (особенно если не настроены цели в веб-аналитике), используют просто количество кликов по контекстной рекламе.
Также распространенные показатели:
- Просмотр страницы «Контакты»
- Просмотр страницы с отзывами
- Просмотр больше 3 страниц за 1 сессию
Это только самые очевидные и простые показатели.
Выбор показателя для анализа эффективности контекстной рекламы
Для выбора основного показателя используем корреляционный анализ: рассчитаем коэффициент корреляции между настроенными целями и количеством звонков (уникальных звонков). Дополнительно в отчет мы добавили данные по достижению цели «Активность».
Цель «Активность» — это специальный скрипт, который отслеживает поведение пользователей на сайте рекламодателя. Активным считается поведение, когда пользователь не просто находится на странице, а проявляет на ней активность (прокручивает мышкой, нажимает кнопки, водит курсором, переходит по ссылкам на сайте).
Что показывает коэффициент корреляции
Коэффициент корреляции показывает существует ли статистическая зависимость между 2 наборами данных. Коэффициент корреляции лежит в диапазоне от -1 до 1. Если он имеет положительный знак, значит наборы данных имеют прямую зависимость, если отрицательный — обратную.
Если один показатель изменяется, положим, количество кликов, и одновременно с этим прямо пропорционально изменяется другой показатель (например, количество просмотров страницы «Контакты»), то коэффициент корреляции для этих показателей будет положительным.
Степень зависимости (сила корреляционной связи) между двумя показателями показывает величина коэффициента корреляции. Чем ближе значение коэффициента корреляции к 1, тем показатели более зависимы между собой.
| Значение коэффициента корреляции | Сила корреляционной связи (корреляция) |
| [0;0,2] | Очень слабая корреляция |
| (0,2;0,5] | Слабая корреляция |
| (0,5;0,7] | Средняя корреляция |
| (0,7;0,9] | Сильная корреляция |
| (0,9;1] | Очень сильная корреляция |
Расчет коэффициента корреляции
Используем Excel и встроенную в него функцию «=КОРРЕЛ(массив1;массив2)». Массив1 и массив2 — это столбцы с данными за определенный временной период. Например, данные по количеству кликов по рекламе и количеству уникальных звонков за это же время.
Для примера рассчитаем коэффициенты корреляции для следующих пар наборов данных (целевые конечные показатели, это количество звонков по контекстной рекламе и количество уникальных звонков по контекстной рекламе):
1) Количество переходов по контекстной рекламе — количество зарегистрированных звонков по контекстной рекламе
2) Количество просмотров страницы «Контакты» — количество звонков по контекстной рекламе
3) Количество просмотров страницы с отзывами — количество звонков по контекстной рекламе
4) Количество просмотров больше 3 страниц за 1 сессию — количество звонков по контекстной рекламе.
5) Количество достижений цели «Активность» — количество зарегистрированных звонков по контекстной рекламе.
Аналогичные пары возьмем и для конечной цели «Количество уникальных звонков по контекстной рекламе». Получаем следующую таблицу (для наглядности используем цветовые шкалы).
Явный победитель в примере — цель «Активность». Коэффициент корреляции между этим показатели и количеством (уникальных) звонков, оказался наибольшим, а его абсолютное значение существенно больше 0,7.
Замечание 1
Стоит отметить в данном конкретном примере высокий коэффициент корреляции между количеством кликов и количеством (уникальных) звонков. Это говорит в первую очередь о том, что над рекламными кампаниями уже ведется довольно качественная работа по повышению их эффективности.
В общем случае коэффициент корреляции именно между кликами и звонками может существенно отличаться от рекламодателя к рекламодателю и от одной рекламной кампании к другой.
Наши специалисты по контекстной рекламе проанализируют ваш сайт, рекламные аккаунты и гарантированно предложат 10 рекомендаций по улучшению эффективности рекламы.
Практическое применение корреляционного анализа
Оценка эффективности действующих рекламных кампаний
В примере выше мы нашли показатель, который максимально близко отражает динамику изменения конечных показателей эффективности контекстной рекламы (в примере это звонки и уникальные звонки). А т.к. телефонная аналитика не всегда интегрирована с веб-аналитикой, то для оценки эффективности будет полезно использовать показатель «Количество достижений цели «Активность»».
Оптимизация рекламных кампаний
Есть классическая воронка продаж. На самом верху ее находятся клики по контекстной рекламе, а в самом низу в нашем случае звонки. Соответственно, цель рекламных кампаний может ставиться как «получать максимальное количество звонков по контекстной рекламе по цене не выше ХХХ рублей».
Как оптимизировать в таком случае контекстную рекламу? Хороший вариант, если телефонная аналитика интегрирована с веб-аналитикой, тогда можно назначить конверсиями именно звонки. Но чаще всего телефонная аналитика не интернирована.
Причем, не обязательно по вине рекламодателя, например тот же «Целевой звонок» Яндекс Директа работает в очень ограниченном количестве городов. Поэтому рекламодатель может использовать физическое разделение номеров, просто купив несколько отдельных номеров телефонов.
И даже в случае если телефонная аналитика интегрирована с веб-аналитикой, возникает другая проблема — ограниченный объем данных. Самих по себе конверсий-звонков может быть не много (они находятся в самом низу воронки).
В тех же встроенных стратегиях в Яндекс Директе и в Google AdWords, Facebook используются оптимизаторы, но у них есть ограничения на минимальное количество конверсий. Иначе им просто не на чем оптимизировать рекламу.
Тогда задача оптимизации контекстной рекламы по звонкам трансформируется в поиск такого показателя в веб-аналитике (цели), чтобы он удовлетворял двум условиям:
1) Самих по себе конверсий по этому показателю должно быть больше, чем звонков (желательно сильно больше). Чем больше данных у систем контекстной рекламы — тем эффективнее инструменты автоматизации и автоматические стратегии/правила
2) Между конечным целевым показателем (звонки) и искомым показателем должна быть сильная корреляционная связь (коэффициент корреляции >0,7).
И уже используя найденный показатель, мы можем оптимизировать контекстную рекламу, повышая ее эффективность.
Замечание 2
Чтобы корреляционный анализ в контекстной рекламе использовать эффективно, а коэффициент корреляции был показательным, нужно проводить анализ на достаточно большой выборке. Минимально рекомендуемый временной отрезок — 30 дней.
Если взять слишком малую временную выборку, это может дать очень большую погрешность в рассчитанном коэффициенте корреляции. В таком случае все дальнейшие действия по анализу и оптимизации контекстной рекламы будут строиться на «грязных» данных и скорее нанесут больше вреда, чем пользы.
