Как с помощью post-view аналитики до сделок и ROMI увеличить эффективность медийной рекламы на 80%
Совместный кейс ГК ФСК, сервиса сквозной аналитики Smartis и международного агентства OMD OM Group
ГК ФСК — один из крупнейших застройщиков Москвы, Московской области и Санкт-Петербурга. В портфеле компании 25 активных объектов недвижимости с доступными лотами по квартирам в бизнес- и комфорт-классе.
Команда маркетинга застройщика непрерывно запускает и тестирует проекты, которые помогают улучшать ключевые показатели эффективности бизнеса: стимулировать выручку при сокращении рекламных расходов. Значимое влияние на результат оказывают поэтапное выстраивание мартех-экосистемы и структурное изменение процессов медиазакупки на ее основе.
В этом году команда девелопера реализовала у себя post-view аналитику, которая связала просмотры рекламы с уже отлаженной частью сквозной воронки от клика до покупки и доли рекламных расходов (аналог ROAS, используется, когда выручка на порядок больше рекламных инвестиций).
«Рost-view аналитика охватных медиа до сделок и доли рекламных расходов (ДРР) — достаточно узкая прикладная тема в контексте улучшения ключевых показателей бизнеса. И все же это одна из немногих системных точек роста, которую можно отнести к стратегии “голубого океана”».
Задача
Оценить эффективность охватных digital каналов на реальных данных,
а не гипотезах и предположениях, до конкретных бизнес-показателей (встречи,
договора и сделки). Чтобы работа с верхнем уровнем воронки была прозрачной и
управляемой, а не велась вслепую на косвенных метриках.
«Сегодня застройщики являются в некотором смысле заложниками performance-маркетинга, в отличие, например, от рекламодателей в FMCG.
“Соскочить с иглы” last-click все еще страшно. Потому что, по сути, это прыжок в темноту, а для осмысленного шага требуется аналитика принципиально иного уровня».
Старт проекта, или почему выбрали post-view
Типичная воронка продаж застройщика выглядит примерно так:
В ГК ФСК на двух нижних уровнях воронки есть четкие и понятные KPI, которые напрямую связаны с бизнес-показателями. Их легко отследить и посчитать. Команда точно знает, как каждая рекламная кампания отрабатывает в выручку.
На верхнем уровне находятся те каналы, которые отвечают за привлечение новых клиентов в воронку. Пополнение воронки новыми лидами — базовая и важная задача каждого застройщика. Увеличение количества клиентов на верхнем уровне стало отправной точкой для начала проекта.
Необходимость инвестиций в охватные медиа связана с закономерными вопросами:
- Сколько вложить денег в верхний уровень воронки, чтобы создать достаточный объем спроса для выполнения плана продаж?
- Куда их вложить — в онлайн или офлайн?
- Как именно выбрать наиболее подходящие источники, рекламные форматы и таргетинги?
Универсальных и априори правильных ответов на эти вопросы нет. Все нужно считать. Ключевой вопрос — как? До недавнего времени считалось, что проанализировать эффективность медийной рекламы и измерить ее влияние на сделку можно только опосредованно.
«Существует три подхода к анализу эффективности охватных медиа: моделирование (brand health tracking и/или эконометрика), комбинированный подход (так называемый brandformance: post-click + моделирование) и post-view.
Первые два подхода встречаются наиболее часто: первый традиционно используется для офлайн-медиа, второй — для онлайн. Их относительно легко применить, реализовать in-house и посчитать. Но у них есть ряд недостатков, в частности:
- ретроспективность (выводы нельзя применить в течение флайта),
- поверхностность (анализируется влияние флайта целиком, без детализации до конкретного сегмента или креатива),
- фрагментарность (стоимостные показатели — CPL/CPO — анализируются в отрыве от CJM, в жестко заданных временных границах, с существенной статистической погрешностью, что делает результаты ужасающе дорогими).
Поэтому мы решили протестировать третий метод, который применим только к онлайну, но зато снимает все сложности и ограничения первых двух».
Как технически реализовать post-view
«Post-view – это революция на рынке медийной рекламы.
Многим интересно узнать, видел ли ваш клиент, купивший квартиру, тот или иной ролик или баннер. Как повлиял конкретный ролик на принятие решения о покупке именно у вас и именно этой квартиры. В этом и есть магия postview – все можно посчитать и увидеть на цифрах и данных».
Схема технической реализации работы post-view выглядит так:
Пользователь видит ваш видеоролик или баннер на разных рекламных площадках (YouTube, MyTarget, «Видеосеть Яндекса» и т. д).
После этого начинает работать сама схема post-view аналитики, которая содержит три принципиально важных блока:
Первый
Для фиксации просмотра конкретным пользователем нужен AdTracker. В случае с этой рекламной кампанией всю работу по его подключению и по организации взаимодействия с рекламными площадками реализовало международное агентство OMD.
AdTracker фиксирует, что этот конкретный пользователь (обезличенный идентификатор) видел такой-то конкретный ролик. Фиксация происходит в сырых данных в виде лога показов (views).
Второй
Посетитель спустя неделю или месяц вернулся к своему решению купить квартиру и заходит на сайт застройщика. Может, случайно, а может, ему вспомнился тот самый ролик, который он видел. Когда он попал на сайт, в этот момент происходит связка: на сайте застройщика AdTracker и Google Analytics или «Яндекс.Метрика» связывают накопленные данные между собой.
Такая связка позволяет зафиксировать историю просмотра пользователя с его дальнейшей историей продвижения по воронке.
Третий
Чтобы посчитать ДРР у канала или сколько сделок принес тот или иной ролик, нужно эти данные иметь в правильном виде и положить в свою систему сквозной аналитики. Она является базой, на которой все строится. Тогда бизнес-результат будет посчитан на реальной выручке до сделки, а не на сессиях, звонках или целевых звонках.
В задачу команды Smartis входила правильная фиксация каждого касания, оцифровка всех собранных данных и визуализации их в CJM конкретной персоны от первого касания до сделки.
Именно так выглядит взаимодействие клиента с медийной рекламой с точки зрения любого пользователя системы аналитики (маркетолог, оператор, директор по маркетингу или коммерческий). В карточке каждого клиента внутри системы отражено, когда пользователь видел конкретный ролик на конкретной площадке. А также заходил ли после этого на сайт застройщика или нет.
На скриншоте клиент зашел на сайт только через 10 дней. После видна вся его дальнейшая цепочка касаний и коммуникаций с компанией.
Благодаря правильно выстроенной сквозной воронке в аналитике с учетом особенностей бизнес-процессов застройщика можно проследить всю цепочку касаний клиента с брендом, включая охватные медиа. И оценить вклад конкретного канала/ролика/баннера в сделку.
Еще один технологический вызов — атрибуция
Просмотров роликов и баннеров огромное количество: в недвижимости их может быть 10 и более на один состоявшийся клик. Они все фиксируются в DWH, но:
- Как корректно распределить веса состоявшейся сделки между performance- и медийными каналами?
- Какую роль они сыграли в принятии решения о покупке?
При использовании линейной модели атрибуции и уж тем более first-click медийная реклама непропорционально оттягивает на себя вес и искажает картину данных, на основе которых принимаются управленческие решения. А значит, выбор наиболее релевантной модели атрибуции становится действительно важной бизнес-задачей.
ГК ФСК использовала модель на основе вектора Шепли. Это одна из data-driven-моделей, которых на самом деле немало.
Почему именно Шепли? Данная фундаментальная математическая модель оценивает вклад в успешный результат, который сделали игроки (в нашем случае — рекламные касания) в том или ином командном составе, ищет оптимальную конверсионную цепочку и обеспечивает повторяемый, контролируемый результат.
Автоматизировать по модели Шепли расчет сотни миллионов касаний — нетривиальная техническая задача. Требуется сложный и оптимизированный программный код и существенные серверные ресурсы. Эти возможности и экспертиза были предоставлены со стороны OMD.
«Важно отметить, что при кажущейся сложности интегрировать postview-аналитику в процессы оптимизации нетрудно. Большое достижение, что разработанное решение с минимальными доработками имплантировалось в текущую структуру решений клиента и стало его бесшовным дополнением, а не новым дополнительным источником правды».
Этапы реализации проекта
Проект реализовывался в несколько этапов.
Первый этап — это MVP с глубиной анализа от просмотра рекламы до звонка с сайта (вне зависимости от того, кликнул ли пользователь по рекламе или пришел на сайт спустя время с других каналов). С помощью этого этапа удалось быстро получить результат и подтвердить работоспособность и реализуемость модели.
Второй этап — это полноценная postview-аналитика до нижних уровней воронки продаж. Он реализовывался параллельно и в итоге позволил оценить эффективность медийной рекламы до состоявшихся визитов в офисах продаж, бронях и оплаченных договорах.
Результаты
Текущие результаты мы считаем промежуточными. Почему?
Показы – это очень большая когорта: десятки-сотни миллионов значений за большой флайт. Их собрали, зафиксировали — и после нужно ждать, когда эта когорта совершит свой путь по воронке. То, что ранее моделировали, теперь смотрится на фактических конверсиях. А для их пути через все этапы воронки — нужно время.
Влияние на медиастратегию
При оптимизации сплита рассматриваемого OLV-флайта команда ГК ФСК применяла данные о post-view конверсиях с учетом data-driven-модели атрибуции Шепли. Благодаря этому количество конверсий удалось увеличить на 80% при сокращении их стоимости почти на 40%.
Но главный результат в другом. Главное — это приобретенные прозрачность и управляемость медийной рекламы, сопоставимые с performance.
«Если провалиться от общего результата по анализируемому флайту до конкретных площадок и сравнить результаты по postview Шепли с предыдущей классической моделью оценки, то будет видна четкая картина изменений. Результативность части каналов выросла в 4–5 раз, а у других изменения практически не заметны или даже отрицательны. Совершенно понятно, как на основе этого перераспределять рекламные инвестиции внутри канала. Вот эта уверенность в своих действиях на основе данных и есть главное достижение технологии».
Дополнительные инсайты:
Post-view аналитика также открыла практически безграничный доступ к инсайтам для построения эффективной медиастратегии.
Например:
- Эффективная частота контакта (сколько рекламных просмотров достаточно, чтобы завлечь пользователя в воронку; как изменение частоты контакта влияет на стоимостные показатели).
- Эффективность креативов шире и глубже.
- Длительность цикла сделки от первого просмотра рекламы .
И прочее.
Выводы
Реальная польза бизнесу застройщика в этом проекте была не только в оптимизации миллионов рублей и отключении неработающих площадок, а в первую очередь в изменении процессов медиазакупки.
Именно это позволило выстроить оптимальную схему работы на той стадии принятия решения о покупке или выборе бренда, которая еще не стала кровавым океаном, как performance. На ранних стадиях, когда клиент еще только задумывается что/где/как/у кого купить, ему уже можно посеять любовь к своему бренду.
«Post-view, о которой так много говорят на рынке, конечно, не является волшебной палочкой или панацеей. Скорее это скальпель, который помогает отрезать лишнее. Это логичное продолжение и следующий шаг вашей сквозной аналитики в области, в которой ранее она была слепа. И цель post-view такая же: отрезать лишнее, чтобы увеличить прибыль. А возможно это при наличии не только технологии, но и готовности менять статус-кво удобных (или, наоборот, неудобных) для размещения в медиаплане площадок».
