Менеджер проектов агентства интернет-маркетинга Convert Сергей Довганич рассказал AD о своем опыте контроля эффективности контекстной рекламы в «Яндекс.Директе» с помощью сервиса
Universal Analytics.
Агентству удалось увеличить количество обращений от компаний для своего клиента-юридической фирмы и выяснить стоимость привлечения пользователя.
#самизнаетекакиекнопки
Задачи
Нашим заказчиком была юридическая фирма, а в этой сфере существует два типа клиентов: корпоративные (то есть компании) и физические лица. Если говорить о прибыли и времени жизни клиентов (CLV), то заработать на корпоративных клиентах можно в несколько раз больше. Задача заключалась как раз в том, чтобы привлечь наибольшее количество лидов (входящих заявок) от компаний.
Вторая проблема: 70% бюджета приходилось на привлечение физических лиц, которые бизнесу были неинтересны, а из-за ограниченного бюджета мы теряли долю корпоративных клиентов. Поэтому нужно было каким-то образом отсеять привлечение физических лиц.
Решение
Сегментировать аудиторию на уровне ключевых слов не получалось, поскольку все они были схожи. В качестве примера можно привести клининговый бизнес. Например, по ключевому слову «клининговая компания» может придти запрос как на уборку однокомнотной квартиры, так и на чистку фасада бизнес-центра.
Если смотреть на стоимость привличения клиента (CPO), то она одинакова для двух типов лидов, но прибыль по ним разнится в десятки раз.
Аналогичная ситуация произошла и с нашим кейсом: понять, откуда приходят корпоративные клиенты, было невозможно.
Как вариант, можно было проводить рекламные кампании в «Яндекс.Директе» по максимально вероятному количеству ключювых слов. Таким образом нам бы удалось охватить все запросы от физических лиц и не потерять запросы от корпоративных клиентов.
Однако при средней цене в 170 рублей за клик (напомню, что при курсе доллара в 32 рубля это составляло 5,3$) такой подход значительно снижал рентабельность. В итоге мы поставили перед собой следующие задачи:
- Понять, с каких ключевых слов приходят физические лица, и отключить их.
- Определить, откуда приходят корпоративные клиенты, и весь бюджет перераспределить на них.
Инструменты
- API Google Docs;
- Measurement Protocol.
Нам удалось измерить финансовую эффективность рекламных кампаний (именно по заработанным деньгам), а также получить возможность более гибкого управления «Яндекс.Директом».
Далее я расскажу о технической реализации решения.
Настройка дополнительных параметров в Universal Analytics
Нужная нам функция — это возможность добавлять пользовательские параметры, которая позволила получить информацию не только по количеству сеансов, показателю отказов и коэффициенту конверсий, но и по заданным нами значениям.
В данном случае мы добавили два показателя: компании и физлица.
Чтобы сделать это, необходимо зайти в настройки ресурса (вкладка «Администратор»)
и выбрать «Пользовательские определения» — «Пользовательские показатели».
После этого нужно добавить необходимые показатели. Теперь при составлении пользовательских отчетов нам доступна информация по типу клиентов.
Данные по добавленным столбцам в Universal Analytics пока не отображаются, поскольку их необходимо передавать из CRM-системы. Для этих целей можно использовать Measurement Protocol.
Передача данных с помощью Measurement Protocol
Measurement Protocol — это инструмент для отправки статистики в Google Analytics.
Данные передаются при помощи http-запроса. Это обычная ссылка следующего вида:
http://www.google-analytics.com/collect?v=1&ni=1&t…
В рамках кейса мы отправили два события в зависимости от исхода сделки — «отказ» или «продажа» и два пользовательских параметра в зависимости от типа клиента — «физлицо» или «компания». Если рассмотреть POST-запрос выше, то он содержит информацию об успешной закрытой сделке от компании.
Пояснение
- http://www.google-analytics.com/collect?v=1&ni=1 — версия протокола (всегда статична);
- tid — ID-представление (код счетчика), в котором мы передаем значение;
- cid — client id. Уникальный идентификатор пользователя, о котором передается информация (о том, как его получить, мы поговорим чуть позже);
- t — тип передаваемого обращения (событие);
- ec — категория события;
- ea — действие по событию;
- el — ярлык события;
- cm2 — пользовательское значение, которое мы добавили (тип клиента — компания).
Второй пример: незакрытый лид от физического лица. Выглядит следующим образом:
http://www.google-analytics.com/collect?v=1&ni=1&t…
Как менеджер узнает Client ID
В рамках проекта нас интересовали только те пользователи, которые оставляли заявку на обслуживание.
Сделать это они могли двумя способами:
- по телефону;
- через форму на лендинге.
Чтобы получить Client ID звонившего пользователя, мы использовали динамический колл-трекинг, а затем извлекли Client ID через API (так как технически динамический колл-трекинг для Universal Analytics также завязан на Client ID).
События следует настроить в качестве целей в Google Analytics, что позволит оценить рекламные кампании по успешно закрытым сделкам.
Чтобы проверить, насколько корректно передаются данные, достаточно зайти на страницу с отчетами в режиме реального времени в Google Analytics, а затем перейти по POST-запросу. Во вкладке события нужно проверить, зафиксировалось ли оно (если вы передаете событие).
Для отслеживания пользователей, которые заполняют формы обратной связи, мы использовали функцию JavaScript под названием get(‘ClientId’), которая активируется во время отправки формы обратной связи и вместе с контактной информацией, которую оставляет пользователь, импортирует данные в Google Docs.
Функция get(‘ClientId’) выглядит следующим образом:
ga(function(tracker) {var clientId = tracker.get(‘clientId’);});
Несколько полезных ссылок
- Справка по Measurement Protocol
- Получение client id:
- Отслеживание оффлайновых действий с помощью Universal Analytics
Таким образом, вся контактная информация попадает в единую систему учета.
Мы сделали ее на базе Google Docs, но аналогичным способом можно получать и отправлять данные практически в любую CRM-систему.
В итоге получился следующий алгоритм:
- Все входящие лиды с сайта автоматически отправляются в Google Docs.
- Менеджер в Google Docs указывает, какой это тип клиента: корпоративный или физическое лицо.
- После этого генерируется ссылка для отправки в Universal Analytics.
- Далее данные, которые указывает менеджер, из Google Docs передаются в Universal Analytics.
Как итог — информация о стоимости привлечения клиентов доступна в Google Analytics:
На период начала работ (январь 2014 года) CPL (стоимость привлечения клиента) составила 2396,46 рублей. Процентное соотношение привлеченных юрлиц от общего числа заявок — 48%. К 1 марта 2015 года CPL составила 1052,47 рублей.
Доля юрлиц была увеличена до 63%.
Заключение
Весь процесс реализации очень прост и заключается в том, чтобы получить Client ID и сгенерировать по заданному алгоритму POST-запрос.
По тому же принципу можно передавать информацию о чистой прибыли, что дает возможность оценивать рекламные кампании по ROMI. Это, однако, не всегда возможно в силу особенностей задач и принципа обработки данных, переданных по Measurement Protocol.
В идеале этот инструмент подходит рекламодателям с большим количеством входящих лидов, так как позволяет значительно повысить их качество.
About the author
