Go Go Power BI!* Как кастомные рекламные отчеты спасут вас от бессмысленной траты времени, денег и сил

*Отсылка к телесериалу Power Rangers

Автор: Никита Маркин, ведущий интернет-маркетолог и веб-аналитик DirectLine

Многие маркетологи и веб-аналитики (особенно те, кто работают только над одним проектом) используют различные рекламные системы (например, Google Ads или Facebook Ads Manager) и сервисы аналитики (например, Яндекс.Метрику или Google Analytics) одновременно.

Все сервисы имеют свой интерфейс, предназначенный для отслеживания и анализирования трафика, расхода бюджета, количества конверсий и т.д. Очевидно, такое разделение мешает комплексному и оперативному анализу рекламы. Так что рано или поздно каждый специалист начинает мечтать о всемогущем трансформере, который совместит в себе все показатели из разных систем и поможет если не спасти планету, то хотя бы победить конкурентов.

В этой статье мы расскажем о том, как нам удалось приручить одного такого трансформера, а именно Power BI, и на реальных примерах покажем, в чем его мощь.

Маркетолог, который пытается создать единый отчет со всеми данными по РК, сталкивается с рядом проблем:

Обойти все эти проблемы можно с помощью сервисов сквозной аналитики — Roistat, OWOX BI, CoMagic, Alytics и т.д. Мы поработали с некоторыми из них, однако ни один не подошел для решения наших задач из-за таких недостатков:

Столкнувшись с перечисленными нюансами, мы решили создать кастомную систему, которая отвечала бы именно нашим нуждам.

В число наиболее популярных и удобных бесплатных инструментов для визуализации отчетов входят Google Data Studio от Google и Power BI от Microsoft. Мы выбираем Power BI, в первую очередь, за большое количество бесплатных коннекторов, позволяющих загружать данные из различных источников. В Google Data Studio коннекторов меньше, к тому же некоторые из них платные (например, интеграция с Яндекс.Метрикой и Яндекс.Директом через коннектор от Supermetrics).

Кроме упомянутого преимущества, Power BI привлек нас рядом других характеристик:

Ранее, чтобы посчитать конверсию и стоимость лида с Facebook, нам приходилось сначала выгружать статистику по кликам и расходам из рекламного кабинета, затем выгружать статистику с количеством лидов, зафиксированных Яндекс.Метрикой по UTM-меткам, а потом уже приводить эти данные к единому виду, где количество лидов делилось на количество кликов (так мы узнавали конверсию канала), а расходы делились на количество лидов (так мы узнавали стоимость лида). Поскольку данные в Power BI обновляются автоматически (как и показатели по конверсии и стоимости лида), сейчас мы избавились от этих лишних итераций и сократили трудозатраты на отчетность.

Например, раньше наш рабочий день начинался со скачивания статистики по каждому рекламному каналу и приведения ее к общему виду. Теперь же мы сразу приступаем к анализу и внесению необходимых корректировок, а значит оперативнее реагируем на любые изменения.

Например, расходы по медийной рекламе Яндекса не отображаются в Яндекс.Метрике. Или данные по расходам рекламных кампаний из кабинета Google Ads отличаются от тех, что показываются по тем же самым кампаниям в Google Analytics. Случается также, что в рекламных кабинетах не учитывается налогообложение. На этом примере видно, что данные в рекламном кабинете Facebook совпадают с данными в Power BI:

В Power BI мы умножили значения расходов на 1,2, так как в Facebook сумма затрат отображается без учета НДС.

Расхождения в данных мешают отслеживать реальную эффективность каждого из рекламных каналов. Благодаря Power BI мы больше не сталкиваемся с такой проблемой.

Теперь мы активнее вносим корректировки по ставкам и дневным бюджетам в разрезе направлений или рекламных каналов (ослабляем те, что с низкой конверсией, и увеличиваем с высокой). Это способствует росту общего количества лидов.

Эта характеристика позволяет объединять в одном отчете большое количество направлений в различных срезах (регионов, каналов и т.д.).

К примеру, когда маркетологу клиента для еженедельной встречи с руководством понадобилась мини-версия отчета с основными показателями, мы смогли оперативно ее подготовить.

Наши клиенты не беспокоятся об отдельной оплате сервиса аналитики и размере баланса на его счету.

Так, например, одному из наших клиентов очень важно соблюдать определенную долю распределения средств между регионами. Для этого подходит круговая диаграмма, позволяющая отслеживать отклонения.

Это позволяет нам быть готовыми к обсуждению работы с клиентом, независимо от внешних обстоятельств.

Теперь перейдем непосредственно к демонстрации отчетов.

Для начала обратите внимание на стандартный отчет и те инструменты, группировки и визуальные элементы, которые добавляются в 90 % случаев, то есть практически для каждого клиента.

Здесь вы видите группировку по рекламным каналам. Она позволяет отслеживать эффективность каждого канала в отдельности.

Мы наблюдаем за такими показателями:

Анализа этих данных достаточно для принятия решения об увеличении охвата, оптимизации канала или полном его отключении.

Что касается визуальных элементов, здесь есть:

Они позволяют видеть динамику любого показателя (трафик, лиды, прибыль, ROMI) по дням/неделям/месяцам. При выборе отдельного параметра группировки (канал, регион, направление и т.д.) динамика на графике будет отображаться только по нему.

Ползунок позволяет выбрать определенный период, статистику за который необходимо отобразить. Срез затрагивает все элементы отчета (таблицы, графики, диаграммы). Например, если мы выбираем период между 01.09.2020 и 02.09.2020, то динамика в графиках будет только по этим датам, а в таблицах будут отображаться суммарные данные за 1-2 сентября 2020 г. Выбрать период можно тремя способами: вписать даты вручную, указать дни в открывшемся календаре или использовать ползунок.

Далее рассмотрим несколько отчетов для наших клиентов, каждый из которых мы кастомизировали в соответствии со спецификой проекта.

Основные конверсии: заявки с лид-форм и форм на сайте.

Кроме стандартного набора показателей (расход, клики с рекламного канала и т.д.), в этот отчет мы добавили важные дополнительные метрики:

Получить данные о количестве нам удалось благодаря интеграции Power BI с CRM-системой клиента. Подключения в данном случае — все равно что продажи, так что в отчетах мы видим их количество, конверсию, прибыль и ROMI.

Клиент получает контактные данные потенциальных заказчиков несколькими разными способами:

Чтобы не упустить статистику по каждому каналу, мы интегрировали их с Power BI. Это позволило клиенту увидеть основные контактные точки с аудиторией и направить больше усилий в их сторону.

Отдельно отметим интеграцию с лид-формами и социальными сетями в целом.

В таргетированной рекламе используется огромное количество креативов с разными посылами, поэтому нам важно детализировать данные не только на уровне каналов и кампаний, но и вплоть до каждого отдельного объявления. В Power BI мы видим расход, количество кликов и лидов с каждого из них. Это помогает определять, какой креатив лучше всего конвертируется в заявку.

Помимо рекламных источников, клиентов попросил отслеживать все визиты на сайт по UTM-меткам, в частности переходы из email-рассылки и переходы из приложения через push-уведомления.

Кстати, если есть необходимость отображать переходы из поисковых систем, то функционал Power BI позволяет добавить и их.

Основные конверсии: лиды с сайта + оформленные онлайн заказы.

По набору показателей РК этот отчет похож на предыдущий.

Для каждого маркетолога важно, чтобы рекламный бюджет клиента не израсходовался раньше положенного срока, и мы не исключение.

Чтобы мониторить бюджеты в рекламных системах Яндекс.Директ и Google Ads, мы настроили выгрузку их остатков и отображение количества дней до конца отчетного периода.

Однако для максимально эффективной ежедневной демонстрации рекламы одного остатка бюджета недостаточно. Поэтому дополнительно мы настроили такие показатели:

Эти показатели подсказывают нам, что на рекламу в данный момент тратится:

В процессе продвижения для увеличения узнаваемости бренда и стимулирования спроса важно задействовать медийную рекламу.

Чтобы отслеживать эффективность по уже настроенным медийным инструментам (от графических объявлений до видеороликов на YouTube), мы интегрировали статистику и добавили важные именно для медийной рекламы показатели:

Эти показатели помогают отслеживать эффективность каждого отдельного канала и решать, куда лучше распределить средства и какие инструменты нужно оптимизировать или отключить.

У клиента несколько товарных направлений. Каждое имеет свой период спроса, а значит РК нужно усиливать в разное время.

Такая разбивка помогает отслеживать дисбаланс в расходе средств на рекламу разных типов продукции и в целом видеть эффективность каждого из них.

Реклама показывается в огромном количестве регионов. Результаты по каждому из них необходимо отслеживать отдельно. Логика группирования по регионам схожа с логикой группирования по направлениям.

Благодаря раздельной статистике мы видим, какие регионы требуют оптимизации РК, а где рекламу для большей эффективности можно усилить.

Для оперативного контроля мы настроили сравнение показателей отчетного периода с данными за предыдущий месяц по каждому региону отдельно.

Одна из задач по данному проекту — соблюдение определенного процента расходования средств от общего бюджета на два крупнейших региона (Москва + МО и Санкт-Петербург + ЛО). Это нужно, чтобы получать конверсии не только из столиц, но и из других регионов.

Для отслеживания доли мы настроили диаграммы, на которых видим, какой регион в каком соотношении от общего числа показывает определенную эффективность (процент кликов, процент расходования средств и общий процент конверсий и лидов). Это помогает нам балансировать между всеми регионами, не зацикливаясь на продвижении только в двух крупнейших.

Основные конверсии: онлайн-покупки.

При подготовке отчета для этого клиента мы столкнулись с серьезной проблемой: данные по продажам выгружаются только в Excel-файл и никак иначе (система клиента не поддерживает работу с API). То есть каждый день нам приходит около 10 файлов. Копирование статистики или интеграция с каждым из них занимает уйму времени.

Так как Power BI поддерживает язык R, мы написали небольшой скрипт, позволяющий парсить всю информацию с файлов в нужной папке и отправлять их сразу в Power BI.

Так процесс обновления сократился до двух действий: помещаем файлы с данными по продажам в определенную папку и нажимаем кнопку «обновить» в Power BI.

В рекламных кабинетах клиента множество кампаний и еще больше групп объявлений. Каждая из них — отдельное товарное направление. Все группы размечены уникальными тегами.

В отчетах по продажам (те самые «эксельки», о которых мы сказали выше) есть полная информация о покупках по тегам групп объявленией (сколько товаров купили, на какую сумму, сколько вернули и т.д.).

Сопоставив в Power BI данные по расходам из рекламных кабинетов (для этого мы интегрировали статистику из них) и данные из отчетов по продажам, полученные путем парсинга, мы смогли внедрить сквозную аналитику. Теперь мы видим ROAS, ROMI, ДРР в пределах от макроуровня (сайта) до микроуровня (группы объявлений или товарного направления) и можем принимать решения об отключении или усилении товарных направлений.

Однако и это еще не все. В рекламных кабинетах есть разбивка статистики по типам устройств (ПК, планшеты и мобильные). Также разбивку по типам устройств (покупка с ПК или с мобильного) предоставляет CRM. Мы сопоставили эти данные, так что теперь мы видим, с каких устройств какие товары покупают чаще, а с каких вообще ничего не покупают. На основе этих данных внедряем корректировки, увеличивая тем самым отдачу от рекламы.

Такой трансформер, как Power BI, в умелых руках действительно может стать грозным оружием для конкурентов. Он обеспечит вам полную картину происходящего на рекламном поле боя, оперативность для принятия стратегических решений и возможность бомбардировать отдел продаж лидами и покупками.

#маркетинг