Блог про интернет-маркетинг для бизнеса

Аналитика

Как сэкономить время специалиста при работе с крупным проектом — на примере OLX

227
2
5
65

«Что мы делаем со временем? В ответе на этот вопрос состоит смысл жизни», — считает герой фильма «Молодость без молодости». Что делают большую часть времени специалисты по контекстной рекламе в крупных проектах — отлично известно: готовят отчетность, вручную собирают и обрабатывают данные из AdWords, Facebook, Директ и десятков других источников.

Я решил сэкономить время команде специалистов, рекламирующих OLX, внедрив специальный инструмент веб-аналитики. Возможно, вам такой тоже пригодится.

Что нужно было сделать?

Автоматизировать процесс сбора и консолидации данных из Google AdWords, Facebook, Яндекс Директ, MyTarget, AT Internet и AdJust на уровне категорий рекламных кампаний, типов устройств и платформ, а также настроить визуализацию данных из всех перечисленных источников с возможностью онлайн доступа к отчётам.

В результате необходимо было получить два отчета: один для рекламы на десктопе и один для мобайла.

Чуть подробнее.

В таблицу для рекламы на десктопе должна была собираться информация по продвижению в разрезе категорий рекламных кампаний (брендовые, общие кампании), типов устройств, источников.

Основные показатели:

  • Day — день, за который была собрана статистика;
  • Source — рекламная площадка / источник;
  • Device — тип устройства;
  • Category — категория рекламной кампании;
  • Impressions — количество показов;
  • Clicks — количество кликов;
  • Cost — стоимость;
  • AdPosts — количество полученных постингов объявлений;
  • Reply — количество полученных откликов на объявления.

Источники данных:

  • Google AdWords — данные о кликах, показах и тратах на рекламу;
  • Яндекс.Директ — данные о кликах, показах и тратах на рекламу;
  • AT Internet — данные о постингах и откликах на объявления.

В таблицу по мобайлу должна была собираться информация о продвижении мобильного приложения в разрезе источников, типов рекламных кампаний (инсталлы, привлечение) и платформ (Android, iOS).

Основные показатели:

  • Day — дата, за которую была собрана статистика;
  • Source — источник;
  • CampaignType — тип рекламной кампании;
  • Platform — платформа Android или iOS;
  • Impressions — количество показов;
  • Clicks — количество кликов;
  • Cost — стоимость;
  • Installs — количество инсталлов;
  • DAUs — среднее количество активных пользователей в приложении за один день;
  • MAUs — среднее количество активных пользователей в приложении за один месяц;
  • RetainerUsers — количество вернувшихся в приложение пользователей;
  • CohortsSessions — количество сессий вернувшихся в приложение пользователей;
  • CohortsAdPost — количество конверсий в постинг от вернувшихся пользователей;
  • CohortsReplies — количество конверсий в отклик от вернувшихся в приложение пользователей.

Источники данных:

  • AdWords — клики, показы, стоимость;
  • Facebook — клики, показы, стоимость;
  • MyTarget — клики, показы, стоимость;
  • Яндекс.Директ — клики, показы, стоимость
  • AdJust — установки, количество вернувшихся пользователей, количество сессий вернувшихся в приложение пользователей, количество конверсий в постинг от вернувшихся пользователей, количество конверсий в отклик от вернувшихся в приложение пользователей, DAUs, MAUs.

Какие инструменты я использовал?

1. Язык R — для сбора информации из API всех источников, консолидации и передачи данных на хранение.

Какие пакеты языка R я использовал:

2. Google BigQuery — для хранения данных, очень простая в обращении облачная база данных, не требует дополнительного администрирования. Более того — условно бесплатная.

3. Microsoft Power BI — для визуализации данных, бесплатный инструмент.

Что получилось?

Написал два скрипта, которые ежедневно запускаются в фоновом режиме, собирают все данные, приводят их к единой валюте (UAH) и записывают в Google BigQuery. К BigQuery подключена Power BI, в которой настроена визуализация отчетов. В результате в любой момент можно обновить все данные нажатием одной кнопки и поделиться ими с командой нажатием кнопки «опубликовать».

Схема готового веб-аналитического инструмента:

Веб-аналитический инсnрумент для команды OLX

Принцип работы инструмента:

  1. С понедельника по пятницу автоматически запускаются скрипты R для сбора и консолидации данных из API всех источников.
  2. При сборе данных в Google BigQuery записываются логи работы скриптов, собирающих информацию из API.
  3. Запускается скрипт R, который проверяет логи работы скриптов по сбору данных.
  4. Если в логах найдены ошибки или предупреждения о том, что данные могли быть собраны некорректно, автоматически формируется письмо с информацией по ошибкам и предупреждениям. Письмо отправляется на почту ответственному специалисту и разработчику автоматизации.
  5. В случае успешного прохождения проверки логов собранные данные передаются в соответствующие таблицы Google BigQuery.
  6. Данные обновляются и публикуются нажатием двух кнопок в Power BI.

Так выглядит отчет по рекламе на десктопе:

Отчет по десктопной рекламе

Отчет по десктопной рекламе

Отчет по десктопной рекламе

Отчет по десктопной рекламе

Отчет по рекламе мобильного приложения:

Отчет по рекламе мобильного приложения

Отчет по рекламе мобильного приложения

Отчет по рекламе мобильного приложения

На разработку инструмента понадобилось 30 часов, при этом много времени ушло на настройку сбора данных из шести источников. Обычно данные собираются из двух-трех источников, на разработку требуется значительно меньше времени: 10-15 часов.

Результаты

  1. На сбор данных, составление и проверку отчетов в ручном режиме специалисты тратили примерно 30 часов в месяц. Сейчас — несколько минут.
  2. Раньше отчеты обновлялись еженедельно, сейчас — ежедневно.

Александр Щербина, PPC-специалист

Когда работаешь с большим проектом, рано или поздно наступает момент, когда ты просто тонешь в море с отчетами. Допустим, что вы уже знаете, какие показатели и метрики необходимо анализировать, но если готовите отчеты вручную, у вас как минимум две проблемы:

1. Человеческий фактор — от ошибок никто не застрахован и они точно будут.
2. Время — на сбор и сведение всех данных уходит крайне много времени на постоянной основе.

После автоматизации отчетности мы получили, во-первых, всегда актуальные и корректные данные, а, во-вторых, свободное время, которое теперь тратим не на подготовку отчетов, а на развитие проекта.

Комментарии (6)

  1. 0
    3 месяца назад
    Заинтересовал ваш этот Я язык, но в посте ожидал узнать что то новое по олх, но он только в названии :(
    • 0
      Мухамед-Канапия Жаксылык
      3 месяца назад

      Речь о разработке для специалистов по контекстной рекламе, которые работают с OLX.
      А что вы хотели об OLX узнать?

  2. 1
    4 месяца назад
    Статья ок спасибо, заголовок не ок.

Чтобы оставить комментарий, необходимо авторизироваться

Подписаться

на самую полезную рассылку по интернет-маркетингу

Самое

обсуждаемое популярное читаемое