Как анализировать рекламные кампании с помощью Excel и Power BI

Вспомните, сколько времени вы тратите на планирование работ по рекламным кампаниям и анализ их статистики. Хотите строить модели KPI, считать вероятность конверсии и создавать дашборды быстрее и эффективнее? Тогда вам пригодятся советы по работе с Excel и Power BI, которыми Максим Уваров поделился на 8P 2016. 

1. Моделируйте ключевые показатели эффективности рекламных кампаний

Моделирование ключевых показателей рекламных кампаний используют недостаточно часто, хотя оно помогает определить, над какими метриками нужно работать в первую очередь, чтобы получить желаемые результаты.

Чем полезна модель KPI в работе PPC-специалиста?

Во-первых, вы будете понимать, как метрики взаимосвязаны между собой. Например, над чем нужно работать в первую очередь, чтобы увеличить прибыль в два раза, или что изменится, если вы поднимете ставки.

Во-вторых, моделирование поможет обосновать для руководства действия по рекламным кампаниям или необходимость доработки сайта.

Модель — это всего лишь отображение реальности и оно не может быть абсолютно точным. Однако использовать моделирование полезно, чтобы понимать существующее положение вещей и то, как его изменить.

Как построить модель KPI рекламной кампании?

Чтобы начать работать с моделью KPI, нужно выполнить несколько простых шагов:

1. Соберите исторические данные по своим рекламным кампаниям.

На скриншоте показано, какие метрики и измерения нужно использовать в табличке для прогноза KPI. Схема также поможет понять, как они взаимосвязаны. 2. Скачайте таблицу и подставьте нужные данные. В столбцы «Факт» и «План» нужно подставить информацию о сравниваемых кампаниях или фактические и планируемые показатели.

Пример итоговой таблицы:

3. Определите целевые KPI — показатели, на которые вы хотите выйти по итогам рекламных кампаний.

2. Считайте вероятность конверсии

Традиционный подход к расчету коэффициента конверсии имеет ряд недостатков:

• не учитывается разница в количестве кликов (у одного ключевого слова может быть 10 кликов, а у другого — 5000, в таком случае сравнивать их некорректно);
• когда происходит конверсия по ключевому слову с небольшим количеством кликов, мы получаем завышенный коэффициент конверсии (к примеру, видим коэффициент конверсии 20%, при том что средний показатель по аккаунту — не больше 3%).

Базовая формула расчета коэффициента конверсии выглядит так:

Конверсия = Транзакция/Клики

Чтобы правильно оценивать эффективность ключевых слов и прогнозировать конверсии, используйте метод Андрея Белоусова, основанный на простом статистическом способе под названием Polling.

Polling — способ для прогноза конверсии с помощью средних данных для аккаунта или какой-то сущности, по которой прогнозируется конверсия.

Пример таблицы с прогнозом по методу Андрея Белоусова: Прогноз в таком случае проводится по формуле:

Вероятность конверсии ≈ (Конверсии + A)/(Клики + A/M ),

где M — показатель конверсии объявления, A — число, которое отображает степень сходства ключевых слов в группе.

Вы можете скачать таблицу с готовой формулой.

3. Используйте Power BI для построения дашбордов

Power BI — бесплатные продукты от Microsoft для бизнес-аналитики. Они позволяют создавать интерактивные дашборды. С помощью Power BI можно импортировать данные из разных источников, проанализировать их и сформировать отчеты. Более того, вы можете загрузить отчет на облачный сервис и сделать его доступным для остальных пользователей.

Выводы

1. Для планирования и оптимизации рекламных кампаний, используйте модели KPI.
2. С помощью метода Polling вы сможете более точно оценивать вероятность конверсии и эффективность ключевых слов.
3. Для анализа данных работайте в Power BI — так вы сможете создать интерактивный дашборд и поделиться им с нужными пользователями.

Смотрите видео доклада и читайте другие полезные материалы выступления Максима Уварова на сайте NeedForData.

Читайте тезисы самых полезных и прикладных выступлений 8P 2016:

• «Как с помощью Webhooks Ringostat построить сквозную аналитику для бизнеса на базе Google Analytics» — статья по мотивам доклада Ивана Спиридонова из Mixdata и Константина Червякова из Ringostat;
• «SEO-инсайты, которые можно достать из логов серверов», — тезисы доклада Алексея Рылко из iProspect;
• «13 фишек для онлайн-бизнеса» — итоги открытого круглого стола с экспертами ecommerce;
• «Как METRO отказалась от печатных каталогов» — пост по мотивам выступления Оксаны Куликовой из METRO и Олега Лесова из Softcube.