Для максимальной эффективности контекстной рекламы стоимость клика по ключевым фразам (или другим таргетингами) должна быть пропорциональна произведению прогноза их конверсии на прогноз прибыли. Но стоимостью клика мы управляем опосредовано через ставки. Плюс часто ставками управляем не мы, а автоматы-оптимизаторы конверсии. Плюс системы вроде Яндекс.Директ позволяют себе завышать стоимость клика, если ожидают повышенную конверсию. В своём докладе я поделюсь почему важно эти показатели планировать и приёмами, как их удобно контролировать доступными каждому маркетологу средствами.

1. Введение
впланирование
иконтрольKPI
контекстнойрекламы
Уваров Максим 13.07.2019 Одесса

2. 2
Эксперт-аналитик интернет-рекламы,
прошел путь от специалиста в агентстве
до консультанта лидеров электронной
коммерции.
Сооснователь:
Обладатель статуса:
Уваров
Максим

3. Метрика эффективности
контекстной рекламы
𝑅𝑂𝐼 =
Прибыль − Расходы
Расходы

4. Метрика эффективности
контекстной рекламы
𝑅𝑂𝐼 =
Прибыль − Расходы
Расходы
𝑅𝑂𝐼 =
( 𝐶𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑠 ∗ 𝑃𝑟𝑜𝑓𝑖𝑡𝑃𝑒𝑟𝑆𝑎𝑙𝑒 ) − ( 𝐶𝑙𝑖𝑐𝑘𝑠 ∗ 𝑪𝑷𝑪 )
( 𝐶𝑙𝑖𝑐𝑘𝑠 ∗ 𝑪𝑷𝑪 )

5. Но мы управляем CPC опосредованно

6. Многие
управляют
ставками
на глазок,
или не управляют
вовсе
Сложно
Лениво
Нет времени

7. Не круто
Сложно
Лениво
Нет времени
Многие
управляют
ставками
на глазок,
или не управляют
вовсе

8. 8
Но биддеры без
учета конверсии это
тот же “на глазок”
Некоторые
используют
биддеры для
удержания
позиций

9. 9
Не крутоНекоторые
используют
биддеры для
удержания
позиций
Но биддеры без
учета конверсии это
тот же “на глазок”

10. 10
Некоторые
используют
оптимизаторы
конверсии
Но не проверяют качество
настройки оптимизатора и
качество данных на входе
(от систем контекстной
рекламы или от сторонних
разработчиков)
Доверяют разработчикам,
что они все сделали
идеально и без ошибок

11. Некоторые
используют
оптимизаторы
конверсии
11
Но не проверяют качество
настройки оптимизатора и
качество данных на входе
Доверяют разработчикам,
что они все сделали
идеально и без ошибок
Можно лучше
(от систем контекстной
рекламы или от сторонних
разработчиков)

12. + системы корректируют CPC как хотят

13. CPC необходимо планировать
и контролировать
( отталкиваясь от прогноза )

14. Пример сравнения плана-факта

15. Проверка точности прогнозов

16. Прогноз целевого CPC
CPCtarget ≈ CRpredict * ProfitPerSalepredict
Целевая стоимость клика Прогноз прибыли с продажиПрогноз конверсии
Теорема доказана Андреем Белоусовым в http://htraffic.ru/book/

17. Алгоритм прогноза конверсии

18. Прогноз конверсии
( применение pooling )
𝐶𝑅 𝑝𝑟𝑒𝑑𝑖𝑐𝑡 ≈
(𝐶𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑠 + 1)
(𝐶𝑙𝑖𝑐𝑘𝑠 + 1
𝑀
)
Вероятность конверсии по
родительской группе ( apriori )

19. Зависимость CRpredict
от количества кликов
𝐶𝑅 𝑝𝑟𝑒𝑑𝑖𝑐𝑡 ≈
(𝐶𝑜𝑛𝑣𝑒𝑟𝑠𝑖𝑜𝑛𝑠 + 1)
(𝐶𝑙𝑖𝑐𝑘𝑠 +
1
𝑀
)
0.0%
1.3%
2.5%
3.8%
5.0%
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 126 131 136 141 146 151 156 161 166 171
CRpredict
Clicks
2 конверсии
1 конверсия
0 конверсий
M - средняя
конверсия по группе

20. Хак для расчета M
( конверсии apriori )
- объединить ключевые слова в группы
по показателю отказов

21. Прогнозируем Bounce Rate
при помощи pooling-a
𝐵𝑅 𝑝𝑟𝑒𝑑𝑖𝑐𝑡 ≈
(𝐵𝑜𝑢𝑛𝑐𝑒𝑠 + 1)
(𝐶𝑙𝑖𝑐𝑘𝑠 +
1
𝑀
)
Прогнозируем
показатель отказов
Прогнозируем
показатель отказов
Используем средний
показатель отказов
по аккаунту

22. Округляем BRpredict до 1 знака

23. Считаем агрегированную
статистику по группам
Конверсия в продажу
по группе (M)
Количество кликов в группе

24. Прогнозируем конверсию
по каждой ключевой фразе

25. Прогнозируем конверсию
по каждой ключевой фразе
Одинаковые группы,
одинаковый M

26. Прогнозируем конверсию
по каждой ключевой фразе
Разное число кликов,
разный прогноз конверсии

27. Прогноз целевого CPC
CPCtarget ≈ CRpredict * ProfitPerSalepredict
Прогноз прибыли с продажи

28. Прогноз прибыли с продажи
• На старте можно взять экспертно
• Но лучше взять из статистики
используя медиану среднего чека

29. Практика использования

30. Скачиваете файл с раздаткой
http://bit.ly/8P2019

31. Содержимое архива

32. Распаковываете архив, копируете путь
до папки и вставляете в параметр “Path”

33. Алгоритм прогноза конверсии в файле
Excel реализован в Power Query

34. В Bi системе сравнение
реализовано в DAX

35. Алгоритм работы
• Копируете в папку “For prediction” месяца на основе
которых делаете прогнозы
• Копируете в папку “For bi” данные на один месяц больше
• Обновляете прогноз в Excel, сохраняете
• Обновляете данные в BI, смотрите как изменились
показатели метрики _ROI m0 (за последний загруженный
месяц) в таблице

36. Выводы
• CPC круто прогнозировать
• Прогнозный CPC можно сравнивать с фактическим,
находить отклонения и разбираться в них
• Такая проверка поможет найти ошибки в настройке кампаний

37. Контакты
Почта:
maxim@needfordata.ru
Facebook:
/uvarov.maxim