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.

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 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 медиа-закупки на её основе.

В этом году команда девелопера взяла новую высоту, реализовав у себя postview-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).

Артём Загоруйко, Head of Digital ГК ФСК

Рostview-аналитика охватных медиа до сделок и ДРР* — достаточно узкая прикладная тема в контексте улучшения ключевых показателей бизнеса. И всё же это одна из немногих системных точек роста, которую можно отнести к стратегии “голубого океана”.

*ДРР – доля рекламных расходов.

Как это было – в нашем новом кейсе.

Задача:

Оценить эффективность охватных digital каналов на реальных данных, а не на гипотезах и предположениях, до конкретных бизнес-показателей (встречи, договора и сделки), чтобы работа с верхним уровнем воронки была прозрачной и управляемой, а не велась вслепую на косвенных метриках.

Александр Лебедев, директор по рекламе и маркетингу ГК ФСК:

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 postview?

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 нужно вложить денег в верхний уровень воронки, чтобы создать достаточный объём спроса для его отработки на нижних уровнях и выполнить план продаж?
• Куда их вложить – в онлайн или офлайн?
• Как именно выбрать источники, рекламные форматы и таргетинги, наиболее подходящие для этих целей?

Универсальных и априори правильных ответов на эти вопросы, на самом деле, нет. Все нужно считать. Ключевой вопрос в том, как считать. До недавнего времени считалось, что проанализировать эффективность медийной рекламы и измерить ее влияние на сделку можно только опосредованно.

Артём Загоруйко, Head of Digital ГК ФСК:

Существует три подхода к анализу эффективности охватных медиа – моделирование (brand health tracking и/или эконометрика), комбинированный подход (так называемый “brandformance”: post-click + моделирование) и postview.

Первые два подхода встречаются наиболее часто: первый традиционно используется для офлайн-медиа, второй – для онлайн. Их относительно легко применить, реализовать inhouse 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 и решили протестировать третий метод, который применим только к онлайну, но зато снимает все сложности и ограничения первых двух. Полностью решает проблемы учета миграции лидов по рекламным каналам между просмотром и конверсией и потери той анализируемой части лидов, которая приходит спустя время.

Как технически реализовать POSTVIEW?

Игорь Балашов, CEO и Founder Smartis

Postview – 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 postview 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 postview-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 организации взаимодействия с рекламными площадками и подключению ad-трекеров 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. В момент его захода на сайт 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 количество сделок, которые 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 их визуализации 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 директор). 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 видно, что 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, не мало.

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.

Никита Лисицын, руководитель отдела аналитики OMD:

Важно отметить, что при кажущейся сложности, интегрировать postview-аналитику в процессы оптимизации не трудно. 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:

Первый этап – это MVP с глубиной анализа от просмотра рекламы до звонка с сайта (вне зависимости от того, кликнул ли пользователь по рекламе или пришёл 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 медиа-стратегию

Итак, при оптимизации сплита рассматриваемого OLV-флайта команда ГК ФСК применяла данные о postview-конверсиях с учётом 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 приобретённые прозрачность и управляемость медийной рекламы, сопоставимые с performance. Теперь у застройщика есть возможность менять медиаплан, используемые логики,  запускать новые форматы, основываясь на данных, а не на догадках, гипотезах и стат. моделях.

Артем Загоруйко, Head of Digital ГК ФСК:

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:

Postview-аналитика также открыла практически безграничный доступ к долгожданным инсайтам для построения эффективной медиа-стратегии.

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 пр.

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 медиа-закупки.

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.

Артем Загоруйко, Head of Digital ГК ФСК:

Postview, 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 postview 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 медиа-плане площадок.