Ключевым вопросом при принятии решений о проведении рекламных кампаний является оценка эффективности и оправданности таких вложений. Точным и удобным инструментом, чтобы это сделать, является инкрементальный подход. Советами по его грамотному использованию делится Нив Кляйн – продакт-менеджер и специалист по онлайн-маркетингу в AppsFlyer, платформе мобильной атрибуции и маркетинговой аналитики.
Инкрементальный подход: зачем он нужен
Единственный способ оправдать вложение рекламных средств в ретаргетинг — это правильно оценить их эффект. Это важно для достижения сразу двух целей:
- для понимания реального ROI маркетинговых кампаний и определения источника конверсий;
- для оптимизации кроссканальных кампаний и принятия объективных решений об распределении рекламного бюджета.
Даже если вы уже знаете, какие из сетей ретаргетинга дают наибольший результат, это не отменяет необходимости понимать дополнительный эффект и прирост, который обеспечивает каждый новый партнёр, и количество пользователей, привлечённых при помощи push-уведомлений и рассылок по электронной почте.
В мире, в котором пользователи постоянно становятся целью множества ретаргетинговых кампаний на самых различных платформах, рекламодателям нужен инструмент для анализа эффективности каждой из них.
Некогда воронка конверсии выглядела просто («нажмите сюда, чтобы совершить покупку»), но сейчас для понимания всего пройденного пользователем пути и правильной атрибуции необходимо обработать огромный объём данных. Именно для анализа и оценки этого процесса и нужен инкрементальный подход.
Другими словами, инкрементальный подход, или анализ прироста, показывает, какой эффект вы получаете от ретаргетинговых кампаний, связанных с привлечением или повторным взаимодействием с пользователями. В частности, он помогает сравнить показатели конверсии, полученные в результате запуска такой кампании, с теми, что вы бы получили, вообще не используя ретаргетинг.
На результаты такого анализа влияет достаточно много факторов, поэтому оценить реальный прирост сложно. Тем не менее, всех маркетологов интересует, принесёт ли ретаргетинговая кампания реальную прибыль, или затраты на её запуск никак не окупятся.
Как это работает?
В качестве примера давайте возьмём условное A/B-тестирование приложения для службы доставки еды. Его цель — определить оптимальное время, прошедшее после установки приложения, для запуска кампании по конверсии существующих пользователей в покупателей.
Сначала сформулируем гипотезу: ретаргетинговая кампания, запущенная через три дня после установки, принесёт большее количество конверсий, чем аналогичная, запущенная через неделю после установки. И проверим её с помощью теста. По его завершении команда маркетологов проанализирует результаты и придёт к выводу, что первый вариант действительно даёт бОльшую конверсию. Но этот вывод может оказаться неверным, и вот почему.
В данном случае маркетологи допустили ошибку: в гипотезе не учитывалась контрольная группа. Почему это важно? Потому, что наличие контрольной группы позволило бы им понаблюдать за «естественным» ходом событий и пользователями, которые не стали целью ретаргетинга ни через три, ни через семь дней после установки приложения. Анализ этой группы пользователей показал бы реальный эффект от запуска кампании, то есть от дополнительного воздействия на пользователей при помощи ретаргетинга. Только при наличии контрольных групп маркетологи могут увидеть полную картину и понять, стоит ли тратить рекламный бюджет на эти действия.
В описанном случае сравнение контрольной группы и группы, для которой кампанию запустили через три дня после установки, показало бы её неэффективность. Почему? Дело в том, что в пул попали пользователи, которые изначально установили приложение, чтобы совершать покупки, и уже начали это делать в период проведения кампании. Следовательно, никакого дополнительного эффекта ретаргетинг на них не оказал.
Как показывает этот пример, инкрементальный подход к анализу важен, если речь идёт об оценке ретаргетинговых кампаний и достижении максимально точных результатов – в противном случае кампании могут коснуться пользователей, которые и без этого заинтересованы в использовании вашего приложения. В таких условиях маркетологи не смогут определить, стоили ли затраты на ретаргетинг полученного эффекта (и имеют ли они к нему отношение).
Инструментарий для реализации инкрементального подхода
При планировании A/B-тестирования (или если вы его уже запустили) важно помнить о сложности самостоятельного анализа его хода и результатов, оценивать ваши издержки и ожидаемую точность аналитического отчета.
Подготовка к таким тестам отнимает много времени и ресурсов при подборе данных, поиске пользователей со схожими характеристиками, рандомизации данных для тестовых и контрольных групп, создании API для каждой из ретаргетинговых сетей и организации других необходимых для проведения тестов процессов. Поэтому важным элементом проведения тестов становятся готовые инструменты и программные решения. Они, в первую очередь, снижают трудозатраты маркетологов. Но также обеспечивают высокую точность полученных результатов. Фактически, их использование позволяет разработчикам сэкономить время, силы и ресурсы, и сосредоточиться непосредственно на организации и подготовке A/B-тестирования, оставив техническую сторону сторонним вендорам.
Учитывая, что у современных поставщиков данных есть доступ к информации со всех платформ, с их помощью маркетологи могут быстро и точно оценить эффект от каждой сети или кампании и понять, какие из мероприятий оказались наиболее полезными для достижения KPI.
Выводы
В последнее время в сфере мобильных приложений ретаргетингу уделяется всё больше внимания (особенно это заметно в сфере приложений для покупок). Рекламные бюджеты на ретаргетинговые кампании растут, поэтому понимание реального эффекта от них очень важно для оправдания таких затрат.
Помимо этого, важной задачей для маркетологов на сегодняшний день является персонализация рекламного контента. Это включает в себя как нацеленность рекламы на определённую аудиторию и контроль количества объявлений, которые увидят пользователи, относящиеся к этой аудитории, так и управление содержимым в зависимости от того, на какой стадии воронки конверсии находится пользователь.
При использовании подхода people-based attribution эта реклама должна быть максимально персонализированной, уместной и последовательной. Поэтому измерение её эффективности какими-то изолированными методами не поможет увидеть реальный результат. Следовательно, понимание точного эффекта от каждого из элементов вашей ретаргетинговой стратегии становится необходимым. Добиться этого можно при использовании специализированных технологий, которые помогут правильно проанализировать весь массив данных, измерить полученный прирост и определить его реальные причины.
Автор статьи: Нив Кляйн
Подписывайтесь на канал «Exlibris» в Telegram, чтобы первыми узнавать о главных новостях в рекламе, маркетинге и PR.
