Rose debug info
---------------

Эксперименты на инкрементальность рекламных каналов

Есть продукт.
У него основной рекламный канал — Фейсбук. Кроме него есть только контекст по бренду. Лиды нужны по 500 рублей. Из Фейсбука получается доставать по 1500 рублей. Мы получаем лиды в 3 раза дороже, чем нужно. Надо стопать. Отключаем рекламу и видим, как падают общие продажи.

В моей практике это распространённый кейс. Экономика по Фейсбуку очень часто не сходится напрямую, но его продолжают покупать, так как видят эффект на общих продажах.

Почему так происходит?

Неточная аттрибуция. Мы неправильно определяем рекламный канал, из которого пришел клиент. Причин может быть много. Иногда что-то неправильно настроили технически. Но чаще всего это неверная модель аттрибуции и тупо невозможность правильно аттрибуцировать на 100%.

Примеры:
— Вася увидел рекламу в Инстаграм, перешел на сайт и захотел купить. Но потом пошел искать промокод и в итоге купил по ссылке с сайта промокодника
— Вася увидел рекламу в Инстаграм, перешел в профиль страницы, дальше написал в директ и оформил заказ в мессенджере
— Вася увидел рекламу в Инстаграм, перешел на сайт в дефолтном фейсбук браузере изучить товар. Потом уже зашел с обычного браузера и сделал заказ
— Вася увидел рекламу в Инстаграм. Вечером рассказал Маше. Маша зашла на сайт напрямую и купила товар
— Вася увидел рекламу в Инстаграм с телефона в метро. Приехал на работу и с ноутбука зашел на сайт и купил товар.
Во всех этих случаях вы скорее всего потеряете информацию о том, что клиента привела реклама в Инстаграм.

Проблему аттрибуции обычно быстро не решить. Да и на 100% никакая модель аттрибуции не покроет все сценарии. В общем это сложная большая тема. А трафик закупать надо уже сейчас.

Как в этом случае быть?

Надо провести эксперименты на инкрементальность рекламного канала.
Инкрементальность показывает, сколько дополнительных продаж мы получаем в результате рекламы.
Если без рекламы у нас X продаж. С рекламой у нас Y продаж. То инкрементальность канала равна Y-X. Столько продаж мы получаем дополнительно в результате рекламы.

Для того, чтобы оценить инкрементальность, нужно смоделировать эксперименты, которые позволят измерить X и Y.
Дизайн эксперимента зависит от продукта, каналов, бюджетов и ресурсов. Но почти всегда можно найти вариант, как хотя бы примерно оценить канал.

Например:
— Разбить рекламу по географии. В одном городе запустить рекламу, в другом нет. Дальше сравнить, как изменятся продажи в каждом городе.
— «Шахматка» по времени. В какие-то периоды включать рекламу, в другие отключать. Потом сравнить, как менялись продажи в периоды, когда работала реклама.
— Запустить «кампанию-пушку». На коротком отрезке времени запустить рекламную кампанию с высоким бюджетом, достаточным чтобы существенно повлиять на общую динамику продаж. Потом сравнить продажи в момент рекламы со средним периодом
— Разбить аудиторию на 2 куска A и B и провести полноценный AB-тест. Сегменту A показать рекламу. Сегменту B не показывать или показать рекламу-пустышку. Дальше сравнить продажи между A и B.
— Воспользоваться Brand-lift измерениями в рекламных системах. Чаще всего они помогают сделать такой AB-тест, как выше.
— Воспользоваться альтернативной системой аттрибуции. Например, доверять пикселю Facebook, когда вы закупаете рекламу Facebook
— Воспользоваться альтернативными моделями аттрибуции, пост-вью конверсиями, ассоциированными конверсиями (хотя чаще всего это будет плохая идея)
— Проводить опрос части пользователей и узнавать, откуда они пришли

В идеале объединить ряд механик и перепроверить результат разными экспериментами.

Когда надо проводить такие эксперименты

Лучше всегда думать про инкрементальность. Иногда это более важно, иногда менее. Но сам вопрос про инкрементальность позволяет осознанно подойти к маркетинг-миксу, расчету CAC и эффективности рекламы.

Примеры вопросов, когда важно вспомнить про инкрементальность:
— сколько должен стоить пользователь с рекламы в Инстаграм?
— по какой цене покупать контекст на бренд? покупать ли контекст на бренд?
— сколько денег тратить на рекламу в сервисах-купонниках? Давать ли промокоды?
— сколько денег тратить на ретаргетинг? отличается ли цена вернувшегося пользователя в зависимости от того, как давно он не пользовался сервисом?
— использовать ли view-аттрибуцию и какое окно?

Если это было интересно, прочитайте кейс про измерение инкрементальности, в котором реальный CAC оказался в 3 раза ниже, чем думали.

Подписаться на блог
Поделиться
Отправить
Дальше