👎🏽 ➰ 🌷 Le concept d'interaction des canaux publicitaires et son application pratique 🙎🏻 ☝🏼 👨🏿‍🚒

L'utilité des rapports sur les campagnes publicitaires (RC) simplifie grandement la ~~vie~~ des ~~gens~~ ... optimisation des coûts. Dans le processus d'augmentation du niveau de cette signification, nous avons trouvé un moyen très efficace de maximiser la rentabilité, en tenant compte de ce que nous avons appelé «interaction de canal» (interaction de canal).

Original: caricatura.ru

Pour commencer, répétons les bases du marketing numérique en deux phrases. Comme vous le savez probablement, un canal marketing est un groupe de sources de trafic regroupées dans certaines catégories. Les canaux les plus utilisés: recherche organique, email direct , etc. Lorsqu'un utilisateur visite plusieurs canaux d'une campagne, il crée une chaîne . Étant donné que les utilisateurs ne sont pas créés sur la chaîne de montage, tout le monde peut toucher différents canaux et dans un ordre différent. Bon, ou pas du tout toucher, mais ça ne nous dérange pas. Afin de mesurer l'effet de diverses structures dans les chaînes sur le taux de conversion, nous avons décidé d'utiliser une métrique, que nous avons appelée interaction de canal.

Nos expériences ont montré que lorsque les utilisateurs interagissent avec un seul canal marketing le long de toute leur chaîne, le taux de conversion (CR) diminue de 3 à 5 fois. Nous avons également appris à augmenter la CR en éliminant le canal marketing le moins utile. Nous allons parler de tout cela maintenant.

L'essence de l'interaction des canaux

Les modèles d'attribution disponibles dans Google Analytics (GA) donnent souvent des résultats assez cohérents, car la plupart des chaînes ROK ne contiennent qu'un seul canal. Nous appelons de telles chaînes qui ne contiennent qu'un seul canal simple . Et vous pouvez utiliser en toute sécurité un " Last Touch ", qui dira si un canal particulier est efficace par rapport aux autres. Mais je veux parler plus expressivement, et maintenant nous allons vous dire comment.

Supposons qu'un utilisateur touche deux canaux de marketing différents avant d'effectuer un achat, nous les appelons canaux A et B. Le taux de conversion de cette chaîne sera différent de si l'utilisateur ne cliquait que sur les canaux A ou B. Notre étude a montré ce que Un grand nombre de canaux interagit avec l'utilisateur, plus la probabilité de sa conversion est élevée, avec la même longueur de chaîne. (bonjour du capitaine pour l'évidence)
Afin de ne pas être infondé, nous allons montrer quelques graphiques que nous avons pris à partir des données réelles de la République du Kazakhstan. Paramètres des données:

Longueur de la chaîne: 4
Nombre de canaux utilisés: 5


Fig. 1 (a) Le nombre de canaux uniques dans la chaîne par rapport au nombre de ces chaînes	Fig. 1 (b) Taux de conversion des chaînes par rapport au nombre de canaux uniques dans la chaîne.

Le premier graphique montre le nombre de canaux de commercialisation uniques trouvés dans la chaîne. Le deuxième graphique montre comment le taux de conversion dépend du nombre de canaux uniques dans chaque chaîne. À mesure que le nombre de canaux de commercialisation uniques dans la chaîne augmente, le taux de conversion augmente également.

Les graphiques montrent que bien que les chaînes avec 4 canaux uniques soient assez rares, elles sont converties 3 fois plus souvent que les chaînes simples. Ainsi, une étude minutieuse du nombre de canaux que les utilisateurs ont réussi à toucher avant la conversion peut affecter considérablement le taux de conversion.

Comment calculer le niveau d'interaction?

Dans la figure 1 (b), nous nous intéressons à la forme du graphique. Il croît plus rapidement que linéairement. Cela nous indique que les canaux ont ensemble une certaine interaction significative pour augmenter la conversion globale. Et quoi d'autre peut être la forme du graphique de la dépendance de la conversion sur le nombre de canaux uniques dans les chaînes?

Fig.2. Options hypothétiques pour la dépendance de la conversion sur le nombre de canaux uniques dans la chaîne.

Ligne verte - l'interaction entre les canaux est limitée, il n'est pas nécessaire de s'efforcer pour que les gens passent par tous ces canaux. Quelques-uns seulement.
La ligne bleue - l'interaction entre les canaux est significative. Plus les gens passent par les canaux, plus la conversion est probable.
Ligne rouge - pas d'interaction. Toutes les chaînes peuvent être visionnées séparément.
Ligne jaune - les canaux se nuisent. Plus un utilisateur passe de canaux, moins il est probable qu'il convertisse.

Deux types de coefficients peuvent être calculés. L'un nous parlera de la forme du graphique, l'autre d'une valeur absolue de l'interaction.

Puissions-nous avoir

N

$N$ chaînes de même longueur

M

$M$ . De ces chaînes, une chaîne avec

C

$C$ canaux de conversion uniques. Il y a une fonction de CR moyen sur le nombre de canaux uniques

f (c)

$f (c)$ où

c l e C

$c \ le C$ ,

c i n m a t h b b N

$c \ in \ mathbb {N}$ . Ensuite, l'indicateur suivant indiquera la forme du graphique:

H_{s} = f r a c 1 C | f (C) | s u m_{i = 1}^{C} (f (c_{i}) - f (1))

$H_s = \ frac {1} {C | f (C) |} \ sum_ {i = 1} ^ {C} (f (c_i) -f (1))$

$inline$ - l'interaction est limitée si

$inline$ - L'interaction est significative. Si

H_{s} < 0

$H_s <0$ - les canaux se nuisent. Si

H_{s} > 1

$H_s> 1$ - la dépendance n'est pas monotone. En fait, il s'agit d'un indicateur ROC AUC très inspiré.

La valeur absolue de l'interaction peut être calculée comme suit:

H_{a} = s u m_{i = 1}^{C} (f (c_{i}) - f (1))

$H_a = \ sum_ {i = 1} ^ {C} (f (c_i) -f (1))$

En fait, il s'agit de l'approximation la plus simple de l'aire sous (ou au-dessus) du graphique réduit à zéro. Quiconque sait intégrer peut le calculer lui-même.

Il ne reste plus qu'à dire comment comparer des canaux spécifiques de cette manière. Si nous retirons de la considération toutes les chaînes à l'exception de celles contenant les deux canaux dont nous avons besoin, nous pouvons évaluer comment elles s'influencent mutuellement par simple soustraction, car nous n'avons que deux canaux (C = 2).

En conséquence:

H_{a} = f (C) - f (1)

$H_a = f (C) -f (1)$

En passant par toutes les paires de canaux (en fait moins de la moitié est possible), nous pouvons construire un tableau d'interdépendances pour notre exemple (dans ce cas, des chaînes de longueur 3 et les 4 premiers canaux ont été prises):

Noms des chaînes	0	1	2	3
0	0	0,064	-0,036	0,082
1		0	-0,032	-0.0017
2			0	-0,028
3				0

Il y a 0 sur la diagonale de ce tableau, car c'est l'interaction du canal avec lui-même et le tableau est symétrique par rapport à la diagonale. On peut voir que le canal zéro a un bon effet sur les premier et troisième en termes de conversion, mais avec le reste des interactions il y a des problèmes. Pour la pratique, cela suffit généralement.

Comment compter la quantité d'interaction en République du Kazakhstan?

Ici, nous sommes convaincus, par exemple, que tout va bien avec l'interaction des canaux et qu'ils ont un effet positif les uns sur les autres. Mais nous ne savons toujours pas à quel point l'effet est fort. Il y a peut-être une interaction entre les canaux, mais peu d'interaction a lieu.

Essayons de faire la même chose que dans le cas précédent, regardons la figure. Mais cette fois 1 (a). A partir de la pente de cette «ligne droite», on peut juger comment le nombre de chaînes diminue avec l'augmentation du nombre d'éléments uniques. Il est logique de le rapprocher de la régression linéaire ordinaire. Dans ce cas, la pente de la régression sera de -522. C'est-à-dire Pour les chaînes de longueur 4, le nombre de chaînes dans lesquelles il y a 2 canaux uniques, et non 1, est 522 inférieur aux chaînes entièrement composées d'un canal.

Si nous supposons que nous avons 1600 chaînes avec un canal et un changement positif dans la conversion lors du passage de chaînes avec un canal unique à des chaînes avec deux 0,05 à 0,1, puis en réduisant la pente de -500 à - 200, par exemple, nous aurons 30 conversions supplémentaires au même taux de conversion pour les chaînes avec deux canaux uniques. Mais il existe une hypothèse bien fondée selon laquelle si cette pente diminue, la conversion augmentera également, et pas seulement le nombre de personnes pour la même conversion augmentera.

Choisir les bons canaux pour votre campagne

Eh bien, le voici. La principale question que tout le monde se pose constamment est: "Quels canaux de marketing devons-nous utiliser pour créer la combinaison la plus efficace?" Il existe une règle générale généralement acceptée: plus vous utilisez de canaux au départ, mieux c'est. Ensuite, après les tests, vous pouvez théoriquement déterminer ceux à supprimer de la campagne. Dans la pratique, le principal problème ici a toujours été un critère permettant de supprimer l'un ou l'autre canal de la République du Kazakhstan. Du coup, vous en supprimez quelques uns, mais il fera le reste pire, même s'il ne semble rien apporter directement? Nous avons mené une expérience pour résoudre cette difficulté.

Optimisation RK

Le plus simple: juste en éliminant le canal avec le moins d'interaction, nous avons augmenté la RC moyenne hospitalière de 1,58% à 2,1% . L'expérience a été menée à condition que les dépenses de marketing soient les mêmes sur tous les canaux.

Mais ne vous précipitez pas pour courir et faites-le tout de suite. Un canal à faible engagement est souvent une plate-forme populaire comme Facebook. Son élimination peut entraîner la perte de clients. Cela est dû au fait que ces grandes plates-formes n'ont pas toujours beaucoup de conversions, mais il y a toujours beaucoup d'impressions. Par conséquent, nous avons décidé de normaliser les données en utilisant des impressions plutôt que des clics pour déterminer les performances globales. Cela a également été fait à condition que chaque canal coûte le même prix.

Lorsque nous comparons des canaux avec des coûts différents, nous avons divisé les taux de conversion par le coût des canaux afin d'évaluer leur véritable efficacité. Lorsque nous avons exclu les deux canaux les plus inefficaces de ces critères de notre campagne, le taux de conversion moyen est passé de 1,58% à 1,54%. Cependant, les coûts ont diminué de 28,9%, entraînant une réduction de 28% du CPC!

Ainsi, une diminution du CR ne signifie pas nécessairement que vous gaspillez de l'argent publicitaire. L'effet global dépend des variables sélectionnées pour calculer le retour sur investissement de ce produit.

Que faut-il prendre en compte lors de l'utilisation des mesures d'interaction de canal?

Ne créez pas l'apparence d'une interaction de canal en insérant des liens inutiles. Cela peut rendre difficile l'évaluation efficace de l'interaction réelle.
Si le canal n'interagit pas avec les autres et n'est pas très efficace en soi, débarrassez-vous-en.
Effectuez un test A / B pour découvrir pourquoi les utilisateurs choisissent une interaction particulière.
Vous pouvez découvrir que votre campagne évolue dans la bonne direction, avant même les conversions réelles. À mesure que le nombre d'interactions avec les canaux augmente, vous savez déjà que votre campagne est sur la bonne voie.
N'utilisez pas un seul outil d'analyse, même s'il est clairement le meilleur. Une variété de méthodes améliore toujours les résultats.

Preuve supplémentaire d'interaction (section pour les nerds)

Un analyste expérimenté essaiera de vous prouver que le concept d'interaction de canal n'est qu'une manipulation délicate des données. Par exemple, nous pouvons supposer qu'il existe un canal très efficace qui aime également s'intégrer dans toutes les chaînes consécutives. Et par conséquent, plus il y a de canaux uniques dans une chaîne particulière, plus il est probable qu'il dispose de ce canal MEGA, ce qui augmente la conversion. De cela et la dépendance croissante sur la figure 1 (b).
Mais non.

Certificat 1

Pour réfuter ce qui précède, nous présentons deux graphiques provenant des mêmes ensembles de données. La première figure montre le nombre de touches que chaque canal reçoit si vous sélectionnez toutes les chaînes simples pour lui. Le deuxième graphique montre comment chaque canal spécifique est converti si vous sélectionnez toutes les chaînes simples pour celui-ci.


Fig. 3 (a) Le nombre de chaînes simples d'un canal particulier	Fig. 3 (b) Taux de conversion de chaînes simples d'un canal spécifique

Comme le montrent les graphiques, le canal le plus populaire n'est pas le plus efficace et l'efficacité de toute chaîne uniforme ne dépasse pas 17,5%. Nous révélerons les conséquences de ce fait:

Comme on peut le voir sur la fig. 3 (a), le canal 1 est le plus populaire. Par conséquent, si nous avons une chaîne et que nous ne savons pas quels canaux s'y trouvent, nous pouvons être sûrs que le canal 1 apparaîtra probablement quelque part dans la chaîne (pas simple).

Si le canal 1 avait un meilleur CR, nous pourrions attribuer une augmentation du CR pour les chaînes complexes à ce canal, mais non. Le canal 1 pour la longueur de chaîne 4 a un CR moyen de 0,075 sur la Fig. 3 (b), mais pas 0,3, comme c'était le cas sur la Fig. 1 (b), dans lequel il y avait 4 canaux uniques dans la chaîne.
Ainsi, le taux de conversion d'une chaîne individuelle particulière ou sa «popularité» ne peut pas expliquer les taux de conversion plus élevés que l'on trouve dans les chaînes non simples. De cela, il devient clair que l'interaction des canaux existe.

Certificat 2

Nous avons utilisé les données disponibles pour créer un modèle mathématique simple qui nous permet de recalculer la probabilité de conversion sans prendre en compte l'interaction des canaux. Dans la simulation «sans interaction», nous avons obtenu un taux de conversion total de 0,3%, et non 1,58%.

Nous avons également lancé cette simulation pour deux autres ensembles de données.


Fig. 4 (a) Ensemble de données 1. Expérience (bleu) versus modèle (vert)	Fig. 4 (b) Dataset 2. Expérience (bleu) versus modèle (vert)

Les graphiques des deux ensembles de données montrent clairement que le manque d'interaction dans le canal réduit considérablement la CR. Ceci est une autre preuve supplémentaire que l'interaction est une chose importante.

Si quelqu'un est intéressé, nous écrirons le modèle lui-même dans un article séparé, mais c'est si simple que vous pouvez vous-même trouver comment le faire.

PS Nous publions nos articles sur plusieurs sites du Runet. Abonnez-vous à nos pages sur les chaînes VK , FB ou Telegram pour découvrir toutes nos publications et autres actualités Maxilect.

Le concept d'interaction des canaux publicitaires et son application pratique