Почему при оценке эффективности продвижения в соцсетях следует полагаться на показатели post-click и post-view. Отвечает эксперт

Оценивая продвижение, бизнес нередко ориентируется на модель атрибуции last-click и поэтому считает эффективность рекламы сомнительной. Однако трафик из соцсетей находится выше в воронке продаж, и срок принятия решения о совершении конверсии здесь более длительный. Что будет, если оценить рекламу при помощи post-click и post-view?

Ведущий специалист по таргетированной рекламе Profitator (Kokoc Group) Павел Очередько поделился методологией такой оценки и результатами на конкретном примере

Есть несколько причин невысокой эффективности показателей last-click конверсий из соцсетей:

• Кроссплатформенная потеря части прямых и ассоциированных конверсий в Google Analytics.
• Ежедневное обновление cookies на устройствах пользователей.
• Уход пользователей, привлеченных нашей рекламой, в точки офлайн-продаж.

Вследствие этого закрытие конверсии по последнему непрямому клику зачастую происходит в других источниках. Влияние соцсети, на первый взгляд, незаметно.

Решение

Несмотря на невысокие показатели last-click конверсий, "ВКонтакте" вносит ощутимый вклад в процесс принятия решения пользователем.

Для корректной оценки влияния источника следует использовать:

• Post-click атрибуцию. Учитываем пользователей, которые кликнули по нашему объявлению, но оставили заявку в другом источнике.
• Post-view атрибуцию. Учитываем пользователей, которые видели наше объявление, но оставили заявку в другом источнике.

В рекламном кабинете "ВКонтакте" нет встроенного инструмента, позволяющего оценить post-click и post-view конверсии, поэтому для оценки результатов мы отправляем данные в обработку через менеджеров площадки.

Для чего это нужно

Оценка источника по post-click и post-view атрибуции позволяет увидеть, в каком количестве конверсий в сумме по проекту принял участие источник и рассчитать post-click и post-view CPA.

Для этой оценки мы собираем номера пользователей, совершивших конверсии со всех источников, и сопоставляем их с показами по нашим рекламных кампаниям за заданный период. В результате получаем количество уникальных пользователей, зарегистрированных во "ВКонтакте" и совершивших конверсию.

Однако этот упрощенный подход не показывает, на какие именно источники влияет наша реклама: какая доля конверсий уходит в другие платные источники, где мы платим за них повторно, а какая уходит в органику, попутно наращивая знание бренда.

Разделяем списки конверсий по источникам

Для более детальной оценки нашего влияния мы формируем CRM-базу пользователей, которые совершили last-click конверсии:

• В самом "ВКонтакте". Сопоставляя данные post-click и post-view с last-click конверсиями, можно выявить процент потери данных при обработке.
• В контексте.
• В органике.

Обработка данных post-click и post-view атрибуции, сегментированных по источникам позволяет:

• Оценить, какое количество конверсий уходит в источники контекстной рекламы и в органику.
• Понять, меняется ли процентное соотношение заявок между источниками в зависимости от потраченного бюджета.
• Оценить эффективную емкость источника по post-click и post-view атрибуции.

Ход работ

Алгоритм состоял из следующих этапов: сбор статистики, оценка канала и тестирование увеличения бюджета. Работы проводились на основе одной из рекламных кампаний.

Собираем статистику

На первом этапе собрали историческую статистику по post-click и post-view за последние 6 месяцев.

* За 100% взяли месяц с наименьшим расходом 

Выявили, что при стоимости заявки по last-click 812-1738 рублей стоимость post-view находится в пределах 99-157 рублей.

Возникает вопрос: если post-view CPA оказался в 8-11 раз дешевле last-click CPA, то в какие источники попадают конверсии?

Оцениваем каналы

После этого мы распределили доли по источникам. 

Очевидно, что из месяца в месяц:

• Большая часть конверсий, как правило, уходит в органику.
• Следующим источником является контекстная реклама.
• Меньшая часть присваивается соцсетям — чем больше бюджет, тем больший процент оседает во "ВКонтакте".

Промежуточный вывод: при увеличении расхода на VK общая динамика сплита между источниками остается неизменной.

Тестируем увеличение бюджета

Далее в рамках теста в октябре предложили клиенту увеличить бюджет в 3-4 раза, чтобы:

• Понять, изменится ли процентное соотношение заявок по источникам.
• Оценить, насколько сильно изменятся post-click и post-view CPA.
• Попытаться понять, достигнута ли эффективная емкость источника по post-view.

Результаты

На таблице ниже — итоговая стоимость конверсий за два месяца.

При росте расхода в 4,1 раза:

• Post-click CPA был снижен на 7% (что можно обосновать фактором сезонности и оптимизацией рекламных кампаний).
• Post-view CPA возрос лишь на 27%.

Вывод: поскольку кратное увеличение бюджета минимально повлияло на CPA, эффективная емкость источника достигнута не была.

В итоге:

• Доли конверсий почти не изменились. Это говорит о равномерном распределении конверсий независимо от бюджета.
• Почти 2/3 конверсий уходит в бесплатный органический трафик.
• При участии "ВКонтакте" клиент дополучил в 3,2 раза больше органических заявок с касанием в площадке.
• Общий прирост в объеме органических заявок составил 34%.

Оцениваем влияние на контекст

Дополнительно мы выяснили, повлиял ли наш тест на динамику стоимости last-click заявок в контекстной рекламе.

* Рост бюджета VK в 4,1 раза

Для чистоты эксперимента при увеличении бюджета во "ВКонтакте" рекомендуем оставлять статичным расход в других источниках.

Видим, что в предыдущие месяцы рост CPA был выше или равен приросту в расходе:

• Август: +8% к расходу, +10% к CPA.
• Сентябрь: +4% к расходу, +4% к CPA.

Это может происходить из-за того, что контекст упирается в свою эффективную емкость.

Однако в октябре при росте расхода на 11% CPA возрос лишь на 3%, что косвенно подтверждает влияние увеличения расхода в ВК на общие показатели проекта.

На финальном этапе мы спрогнозировали, что было бы без увеличения бюджета в октябре.

В итоге:

• Контекст получил бы на 8% меньше заявок.
• CPA был бы выше на 8%.

Резюме

Наши выводы:

• Не стоит оценивать эффективность соцсетей только по last-click атрибуции в независимости от ниши.
• Следует использовать различные модели атрибуции: линейную, first click, ML-атрибуцию + использовать бесплатные инструменты площадок.
• Не стоит слепо верить данным инструментов аналитики. Зачастую GA и YM предоставляют неполные данные.
• При подобной методологии можно строить прогнозы и проверять их эмпирически.

Приведенная нами методология подходит не только для крупных агентств, но и для всех участников рынка.