Вступление

Прежде чем анализировать и оптимизировать рекламные кампании в Яндекс Директ, нужно получить статистические данные, с которыми будем работать.

Я расскажу, как быстро получить детальную статистику по каждой рекламной кампании в обход API Яндекс Директа.

Продемонстрирую несколько кейсов на основе полученных данных:

1. Анализ рекламных блоков (спецразмещение и гарантия).

2. Поиск неэффективных площадок в РСЯ и их отключение.

3. Влияние изображений на эффективность рекламы. Оставляем только лучшие изображения. Расскажу, как дополнить данные из Яндекс Директа еще и статистикой из Google Analytics, как экспортировать эти данные без ограничений и семплирования за любой период. Продемонстрирую еще один кейс на основе полученных данных:

4. Анализ ROI и оптимизация ставок.

Полуавтоматическая выгрузка статистики из Яндекс Директа в обход API

1. Нужно зайти в «Мастер отчетов» любой кампании и выбрать необходимые данные для выгрузки.

2. Скопировать ссылку на XSL-файл внизу страницы результатов. В ссылке нас интересуют только два значения: название файла (пример: 03.09-10.09_main8598616.xls) и ID кампании (GET параметр cid).

3. Теперь нам нужны ID всех кампаний, по которым требуется получить статистику. Удобнее всего их скопировать из Директ Коммандера.

4. С помощью Excel генерируем список ссылок для выгрузки, подставляя на место названия файла и ID в ссылке значения ID наших кампаний.

5. Выгружаем отчеты по этим ссылкам при помощи менеджера закачек. Важно, что менеджер закачек должен уметь поддерживать возможность авторизации на сайте (я использую дополнение Chrono для браузера Chrome).

6. В результате получаем множество xls-файлов.

7. Теперь все это нужно объединить в один файл Excel. Для этого я использую надстройку под названием PLEX (http://www.planetaexcel.ru/plex/). Первым шагом собираем все в один файл при помощи функции «Сборка листов».

Содержимое каждого файла оказывается на отдельном листе. При помощи функции «Собрать» переносим все на один лист.

Данные есть, можем начинать анализировать. Для этих задач я использую сводные таблицы Excel.

Анализ рекламных блоков

При помощи полученной статистики мы можем сравнить CTR разных блоков (спецразмещение и гарантия + динамика) по всем кампаниям. CTR стоит смотреть отдельно по каждому блоку, так как они очень сильно различаются. Можно анализировать эти данные как на уровне кампаний, так и на уровне ключевых фраз.

Так мы сразу видим фразы с низким CTR и есть смысл обратить на них особое внимание. Возможно, стоит переписать объявления на более релевантные.

Анализ площадок в РСЯ

Построив сводную таблицу по площадкам и рассчитав нужные значения, можно выделить неэффективные площадки, по которым достаточно много кликов, но плохая конверсия в действия и достаточно высокий CPA. Такие площадки имеет смысл сразу занести в список запрещенных и не рекламироваться на них в дальнейшем.

Хочу обратить внимание, что нет четкой зависимости между CTR и CPA. Бывают ситуации, когда CTR достаточно низок, но при этом CPA тоже имеет низкое значение, и наоборот. Поэтому не нужно ориентироваться только на CTR. Эффективнее анализировать поведение пользователей уже на вашем сайте.

Анализ изображений

Строим сводную таблицу по 2 типам показов рекламных объявлений: с изображением и без изображения. Дополнил таблицу графиками, для лучшей визуализации.

Я думаю, все понимают, что объявления с изображениями работают эффективней. В данном кейсе я наглядно это сравнил. Добавление изображения существенно повышает CTR объявлений. В данном случае он увеличился почти в 3 раза. На 20% увеличился коэффициент конверсий и CPA снизился на 20%.

Обязательно добавляйте изображения к объявлениям на РСЯ!

Общую эффективность сравнили, эффективность использования изображений доказали, теперь проанализируем более детально самые популярные изображения.

Для этого снова используем сводные таблицы Excel, но уже по конкретным изображениям. Чтобы загрузить изображения в Excel, удобно использовать надстройку PastePictures http://excelvba.ru/programmes/PastePictures).

Сразу видим объявления с высоким CPA и можем отключить объявления с такими изображениями, чтобы заменять их более эффективными.

Применяя такой подход, можно очень удобно проводить сплит-тесты изображений, измерять их эффективность и оставлять только лучшие.

Экспорт дополнительной статистики из Google Analytics

Бывают случаи, когда данных из Яндекс Директа недостаточно. Например, когда нам нужно рассчитать ROI/ROMI, нужно знать доход. Эти данные мы можем получить из Google Analytics. Но для этого важно не забывать размечать ссылки (проставлять UTM-метки) в рекламных кампаниях.

Для выгрузки статистики из Google Analytics предпочитаю использовать надстройку для Excel под названием NEXT Analytics (http://www.nextanalytics.com/). Данный инструмент не имеет ограничений на количество выгружаемых строк (например, выгрузить 200 тыс. строк для него не проблема), умеет обходить семплирование.

Процесс семплирования подразумевает анализ определенной выборки данных вместо всего объема для экономии аппаратных ресурсов серверов Google Analytics.

Когда Google семплирует данные?

• Если любой запрашиваемый отчет содержит более 1 000 000 уникальных параметров, например, реффералов или ключевых слов;
• Если запрашиваемый отчет подразумевает обработку более 500 000 сессий пользователей.

Анализ ROI и оптимизация ставок

Создаем сводную таблицу по кампаниям, рассчитываем различные параметры, такие как CPO, ROI, CR.

1. Из формулы расчета ROI можно вывести формулу для расчета оптимальной ставки (CPC) для требуемого ROI. Она имеет следующий вид: CPC = Доход / (ROI + 1) * Клики.

2. Для расчета ставки задаем необходимые данные, в данном случае это:После расчета оптимального CPC рассчитываем финальную ставку (FinalCPC). Результат её расчета вы можете увидеть в крайнем правом столбце в таблице на рисунке выше. Теперь наши расчетные ставки прогружаем в Яндекс Директ. Для этого мне удобнее всего использовать Коммандер.

   • ROI — планируемое значение, которое нужно получить в результате оптимизации ставок.

   • Transactions — минимальное количество транзакций на кампанию для расчета отимального CPC. Если для кампании это значение меньше, то используем среднее значение по всем кампаниям.

   • MaxCPC — максимальная ставка CPC, которую мы готовы платить.

   • MinCPC — минимальная ставка CPC.

   • RateCPC — разница в процентах между CPC и финальной ставкой в Яндекс Директе. Дело в том, что при помощи формулы мы рассчитываем среднее значение CPC, а в Яндекс Директе должны указать максимальную ставку клика. Обычно эта разница составляет порядка 15-20%. В данном случае я жестко указываю эту разницу, но ее так же можно рассчитать и для каждой кампании на основе данных за предыдущий период.

3. После расчета оптимального CPC рассчитываем финальную ставку (FinalCPC). Результат её расчета вы можете увидеть в крайнем правом столбце в таблице на рисунке выше. Теперь наши расчетные ставки прогружаем в Яндекс Директ. Для этого мне удобнее всего использовать Коммандер.

   

Заключение

Ручная оптимизация — это круто!

• Умейте/учитесь оптимизировать рекламные кампании собственными руками.

• Анализируя свои рекламные кампании, вы всегда будете в курсе текущей ситуации, оперативно отслеживать и исправлять ошибки/недочеты. Так же это источник новых идей по улучшению РК.

• Системы автоматизации контекстной рекламы — это круто! Но их использование далеко не всегда целесообразно и рентабельно.

• Ручная оптимизация совместно с автоматизированными сервисами будет работать лучше.

• Изучайте Excel! Это the must для интернет-маркетологов!

P.S. Хочу поблагодарить Александра Налётова из агентства Artics за идею с автоматизацией выгрузки статистики из Яндекс Директа.

P.P.S. Видео выступления:

Оригинал: http://blog.cubeline.ru/effektivnyj-analiz-statistiki-i-polnocennaya-ruchnaya-optimizaciya-kampanij-v-yandeks-direkte-po-cparoi.html

Александр Егоров
Директор по развитию в Alytics

Описанная методика с одной стороны вызывает большой интерес у профессионалов-гиков, в том числе и у меня. С другой стороны вызывает недоумение у рядовых менеджеров по контекстной рекламе и маркетологов.

Главный недостаток методики в том, что она сложна для повседневного использования. Можно раз в несколько недель действовать по этому алгоритму, получать данные, проводить аналитику и принимать решения. Но, как быть, если «руку на пульсе» необходимо держать каждый день?

Кроме того, не нужно забывать и про подтягивание данных о конверсиях по звонкам из систем коллтеркинга (например, CallTouch), а иногда и данные о продажах из CRM.

Стоит отметить, что эту же задачу можно решить альтернативными методами, на мой взгляд, более простыми и эффективными. Самые распространенных два: сделать загрузку данных о расходах в Google Analytics или воспользоваться системой автоматизации контекстной рекламы, к примеру, Alytics поддерживает сводку всей аналитики от CTR до ROI, от Google Analytics до коллтрекинга и CRM.

Надежда Фурманова
Руководитель отдела интернет-рекламы в SEMANTICA

Спасибо автору статьи за интересный материал. Действительно, сейчас появилось на рынке огромное количество систем автоматизации контекстной рекламы. К сожалению, они подходят далеко не всем и в большинстве случаев, например, региональным студиям, не рентабельно ими пользоваться. Максим же рассказал, как можно не используя автоматические сервисы отслеживать эффективность рекламных кампаний. На собственном опыте знаю, как тяжело сводить огромное количество разных данных в ручную, чтобы получить интересующую информацию.

Но всё же сводка данных это лишь часть успеха, после чего необходимо внести все корректировки в рекламную кампанию. Когда рекламных кампании тысячи, а в них еще и тысячи объявлений —руками внести изменения практически не возможно. Точнее возможно, но безумно трудозатратно по времени. Поэтому, конечно, ручную оптимизацию никто не отменял , но без автоматизации уже довольно сложно.

Дмитрий Кучеров
Генеральный директор в SEO complex

С 13 октября в Мастере отчётов Яндекс.Директа стал доступен показатель — «средняя позиция показов». По сравнению с показателем «позиция» — теперь можно видеть точную статистику в зависимости от позиции рекламного юнита (ключевое слово/группа объявлений/кампания). Если «позиция» определяла статистику в разрезе СР или гарантия+динамика, то «средняя позиция»:

• 1-е спецразмещение (ср. позиция: 1-2)
• 2-е спецразмещение (ср. позиция: 2-3)
• 3-е спецразмещение (ср. позиция: 3)
• 1-е место гарантии (ср. позиция: 4)
• гарантированные показы (ср. позиция: 5-8)
• динамические показы (ср. позиция: 9-12)

Если немного изменить описанную в статье сборку xls-файлов, добавить ещё одну сводку, то можно оценить эффективность рекламы по каждой позиции.

CTR и выбор объявлений для коррекции текстов в Анализе рекламных блоков — вершина айсберга возможностей ручной оптимизации на базе сборки файлов мастера отчётов.

Анализ «позиции» в разрезе СР или гарантия+динамика позволит рассчитать, как часто наши объявления попадали в спецразмещения, как ставки влияли на динамику попадания в СР.

Можно оценить «ёмкость» спецразмещений — сколько доп.кликов и какой расход у нас был бы, если бы мы всегда были в спецразмемещении.

Анализ показателей «позиция», «средняя позиция» и их комбинаций позволяет скорректировать стратегию назначения максимальных ставок, найти ошибки в ограничениях расходов и распределении цен на клик. Например, "средняя позиция"="3,2″ для важного объявления нашей рекламной кампании дает возможность быстро понять, на сколько нужно увеличить ставку, чтобы ротироваться как можно чаще на позиции 3-го спецразмещения. А "позиция"="прочее" и "средняя позиция"="8,9″ свидетельствуют о том, что максимальная ставка должна быть значительно увеличена, если требуется ротироваться на позициях 1-2 места гарантии и/или спецразмещения.

При анализе площадок в РСЯ ориентироваться на CTR не нужно ВООБЩЕ. На площадках с высокой посещаемостью CTR почти всегда ниже среднего, что не мешает привлекать с них качественный трафик. Единственное, для чего может пригодиться CTR — это для определения «мусорных» площадок, с которых идёт много абсолютно нецелевых кликов с нулевой конверсией. Такие площадки — можно отключать, но предварительно — обязательно просмотреть «вручную».

С появлением Universal Analytics экспорт дополнительной статистики ИЗ Google Analytics для «ручного» анализа «технической» эффективности кампаний в Яндекс.Директе становится всё менее актуальным. Описанная в статье выгрузка в рамках «разовой» задачи, например, аудита кампаний потенциального клиента — ещё оправданна, но для повседневной работы — слабо применима.

Теперь маркетологи имеют возможность загружать данные на сервера Google и строить кастомные отчеты непосредственно в интерфейсе Google Analytics или выгружать их для детального ручного анализа. Если данные о расходах и кликах в Яндекс.Директе, а также данные по маржинальности продаж уже загружаются в Google, то построение аналогичных таблиц в рамках кастомных отчётов потребует от вас всего «пару кликов».

Оптимизация ставок по CPA/ROI должна быть регулярной, иначе она теряет смысл. При регулярной «ручной» оптимизации определение минимального количества транзакций на кампанию для расчета оптимального CPC — скорее вредно, чем полезно. Для исключения «усреднённых» результатов, — лучше заранее разбить все кампании по уровню расхода и/или количеству конверсий за период. При таком подходе — у разных групп кампаний будут различные пороги «достижения достоверности данных», для каждой группы — будет свой «период набора данных до достижения порога достоверности», который будет соответствовать периодичности, с которой будем проводить оптимизацию ставок по CPA/ROI.

Например, самые затратные кампании будем сравнивать между собой и оптимизировать — каждую неделю, наименее затратные — раз в 3 месяца и т.д. Если после этого всё равно потребуется усреднять результаты по кампаниям или период накопления для отдельных групп кампаний будет менее 7 дней, значит что-то не так в самой структуре кампаний — какие-то из них желательно разбить на части, а какие-то — объединить с другими.