Как генерировать и тестировать множество рекламных идей

В этой статье я рассказываю, как использую пайплайн гипотез, чтобы найти идеи для рекламы, протестировать наиболее перспективные и оценить результат перед продажей.

Обычные рекламные запуски отличаются от конвейерных несистемным подходом. Стандартная ситуация в бизнесе — один подрядчик отвечает за рекламу в социальных сетях, а другой — за рекламу в Яндекс.Директе. В этом случае сложно оценить, что приносит каждая из кампаний, потому что у них разные цели и все данные приходят в разных форматах. В результате рекламой управляют очень грубо, из-за чего компании часто тратят свой бюджет впустую.

В конвейере гипотез мы синхронизируем запуски в разных каналах, приводим данные в единый формат и выводим результат в сквозную отчетность. Суть конвейера заключается в постоянном повторении последовательности «Выдвинули гипотезу – Проверили – Оценили результат – Выдвинули новую гипотезу».

Генерируем гипотезы — выдвигаем идеи, кому, где и как показывать рекламу

Под гипотезой мы подразумеваем совокупность факторов, влияющих на эффективность рекламы: аудитории, каналы, сайты и так далее, вплоть до конкретных слов в объявлениях. Например:

• реклама аудитории брошенных тележек на сайте интернет-магазина запчастей;
• медиаконтекстный баннер по поиску группы запросов на тему «открыть карту UnionPay»;
• ремаркетинг в Директ и ВКонтакте для тех, кто читает статьи о открытии бизнеса в блоге компании. Им показывают продукт «бесплатное открытие ИП или ООО с подключением расчетно-кассового обслуживания».

Вот что помогает нам с идеями:

• Данные о прошлых показах объявлений. Если они есть, можно удалить идеи, показавшие неэффективность.
• Анализ конкурентов. Возможно, коллеги по нише уже потратили много времени и денег на сотни гипотез. Некоторые из них находятся в открытом доступе. Эти гипотезы можно собирать, обрабатывать и использовать в своих целях.
• Личный опыт специалистов по рекламе. Если перфоманс-маркетолог уже запустил рекламу одного банка, ему будет намного проще запустить рекламу другого. Например, у него уже будет информация о приоритетных сочетаниях гипотез.
• Мозговой штурм. Чаще всего в нем участвует команда маркетинга со стороны клиента и команда агентства.
• Отдел продаж и менеджеры по продукту клиента. Специалисты, напрямую общающиеся с целевой аудиторией или дорабатывающие продукт своими руками, очень часто привносят неожиданные и ценные мысли.

Приоритизация гипотез — решение, что запускать первым

Существует множество методик приоритизации, мы часто используем RICE (Охват — охват, Воздействие — влияние, Уверенность — надежность, Усилия — усилия): смотрим, насколько велика аудитория в гипотезе, сколько денег она может принести, насколько уверены мы заключаются в том, что аудитория купит, насколько дорого будет показывать этим людям рекламу.

Методика нужна для того, чтобы учесть не только опыт специалистов и мнение клиента, но и систематизированные данные и возможности внедрения.

Часто у клиента уже есть список продуктов, которые нужно запустить в первую очередь с лучшими гипотезами продвижения.

Итоговая табличка с готовым списком гипотез может выглядеть так.

Пример сформированного списка гипотез со статусами запуска — что запускаем первым, а что вторым и третьим.

Проверка гипотез

Полный цикл тестирования верхнего уровня выглядит так:

1. Стандартизируем названия кампаний, групп и объявлений, создаем UTM-метки.
2. Добавление новых сущностей в сквозную отчетность.
3. Готовим креативы и рекламные тексты, согласовываем их с клиентом.
4. Запускаем тест на определенное время, устанавливаем KPI.
5. Резюмируем гипотезу.
6. Проверяем веб-аналитику, если воронка нестандартная. Например, для отдельного продукта сделали дополнительную страницу и упрощенную форму заявки. Могут быть нестандартные цели, и тогда нужно оптимизировать рекламу с их учетом. В этом случае можно сделать не стандартную форму заявки с 2-3 шагами, а быструю для обратного звонка.

Особенно важен первый пункт в цикле тестирования: если вы не стандартизируете все имена и UTM-теги, то не сможете полностью проанализировать результаты. Правильные теги UTM легко разобрать с помощью регулярных выражений по тем же запросам и собрать их в отчетах. В правильно сформированных ссылках видны все важные параметры: содержание объявления, таргетинг, регион, источники, сайты, модель оплаты.

Ниже для сравнения показаны два примера — с удобным и неудобным неймингом.

Удобное именование: видно источник, тип платформы, регион и тип таргетинга, товар и категорию.

Неудобное наименование: в отчет можно подтянуть только тип платформы и регион. Этого недостаточно для принятия решения.

Мы стандартизируем имена и теги UTM с помощью ссылки на разметку. Физически это таблица в Google Sheets, в которую заносятся адреса и параметры посадочных страниц, а на выходе получаются размеченные ссылки.

Наше руководство по разметке и правила его заполнения (для использования скопируйте себе на Google Диск через Файл → Сделать копию)

Оцениваем эффективность рекламы с помощью аналитики

Без аналитики весь конвейер гипотез теряет смысл: реклама сжигает бюджет, генерирует какой-то результат, но соотнести его с действиями в рекламном кабинете невозможно. Аналитическая отчетность помогает отвергнуть неэффективные гипотезы и укрепить эффективные.

Отчетность может быть выполнена по-разному. Главное, иметь наглядную таблицу или схему, на основании которой можно принимать решения. Ниже приведены доступные варианты.

Автоматическая передача данных в базу данных

Например, Google Big Query. Преимуществом этого варианта является скорость и автоматизация: сырые данные из источников автоматически добавляются в базу данных, откуда их можно отображать в любых отчетах. Минусы:

• Высокие требования к специалисту. Он должен уметь программировать, чтобы писать код и управлять службами, или знать SQL, чтобы работать с данными.
• Стоимость зависит от объема данных, сложности атрибуции и частоты обновлений. Например вручную обновлять отчет каждый день дорого, дешевле один раз сделать коннектор.

Пример дневного отчета по эффективности на основе выгрузки из базы данных по API: бизнес потратил на канал 422 тысячи рублей. за неделю и получил 329 заявок. Средняя цена продажи 1167 рублей, хозяйство сошлось, продолжаем работать

Полуавтоматическая загрузка с использованием Power Query Excel или Query Google Sheets

Плюс: вам не нужно знать программирование и SQL, чтобы глубоко изучить полученные данные.

Минусы:

• Вам необходимо разобраться в инструменте бизнес-анализа QUERY в Google Sheets или его эквиваленте — Power Query в Excel (не работает на Mac).
• Обновление данных занимает время.

Пример панели данных в Power BI, подключенной к отчету в Excel

Загрузка вручную с помощью Excel или Google Таблиц

Плюс: доступно в любой операционной системе.

Минусы:

• может возникнуть большое количество ошибок,
• ручное обновление занимает много времени,
• невозможно связать по ключам принципиально разные источники данных.

Пример сводного отчета, составленного в Excel

В любом случае правильно настроенная отчетность позволяет оценить эффективность каждой гипотезы и отслеживать ее результаты в течение месяцев, недель и дней.

выводы

На выходе конвейер гипотез выдает положительные и отрицательные результаты. С помощью положительных легче управлять потоком заявок, улучшаем положительные результаты.

Также мы улучшаем отрицательные результаты и берем их на тестирование, но если улучшить невозможно, отключаем.

Главное в комплексном запуске рекламы – увидеть общую картину, погрузиться в специфику бизнеса, тщательно сделать внутреннюю разметку и отчетность.