🌺 😡 👩‍🚀 Konsep interaksi saluran iklan dan aplikasi praktisnya 🏬 👸🏽 🌍

Kegunaan laporan kampanye iklan (RC) sangat menyederhanakan ~~kehidupan orang~~ ... optimasi biaya. Dalam proses meningkatkan kebermaknaan ini, kami menemukan satu cara yang sangat efektif untuk memaksimalkan keuntungan, dengan mempertimbangkan apa yang kami sebut "interaksi saluran" (interaksi saluran).

Asli: caricatura.ru

Untuk memulai, mari kita ulangi dasar-dasar pemasaran digital dalam dua kalimat. Seperti yang mungkin Anda ketahui, saluran pemasaran adalah sekelompok sumber lalu lintas yang dikelompokkan ke dalam kategori tertentu. Saluran yang paling banyak digunakan: pencarian organik, email langsung , dll. Saat pengguna mengunjungi beberapa saluran dalam kampanye, ia membuat rantai . Karena pengguna tidak dibuat di jalur perakitan, sehingga semua orang dapat menyentuh saluran yang berbeda dan dalam urutan yang berbeda. Ya, atau tidak menyentuh sama sekali, tapi itu tidak mengganggu kita. Untuk mengukur pengaruh berbagai struktur dalam rantai pada tingkat konversi, kami memutuskan untuk menggunakan metrik, yang kami sebut interaksi saluran.

Eksperimen kami menunjukkan bahwa ketika pengguna berinteraksi dengan hanya satu saluran pemasaran di sepanjang seluruh rantai mereka, tingkat konversi (CR) turun 3-5 kali. Kami juga belajar cara meningkatkan CR dengan menghilangkan saluran pemasaran yang paling tidak berguna. Kami akan membicarakan semua ini sekarang.

Inti dari interaksi saluran

Model atribusi yang tersedia di Google Analytics (GA) sering memberikan hasil yang cukup konsisten, karena sebagian besar rantai ROK hanya berisi satu saluran. Kami menyebut rantai seperti itu yang hanya berisi satu saluran sederhana . Dan Anda dapat dengan aman menggunakan satu " Sentuhan Terakhir ", yang akan mengatakan apakah saluran tertentu efektif dibandingkan dengan yang lain. Tetapi saya ingin berbicara lebih ekspresif, dan sekarang kami akan memberi tahu Anda caranya.

Misalkan seorang pengguna menyentuh dua saluran pemasaran yang berbeda sebelum melakukan pembelian, kami menyebutnya saluran A dan B. Tingkat konversi untuk rantai ini akan berbeda dari jika pengguna hanya mengklik saluran A atau B. Penelitian kami menunjukkan apa Sejumlah besar saluran berinteraksi dengan pengguna, semakin tinggi probabilitas konversinya, dengan panjang rantai yang sama. (Halo dari kapten untuk kejelasan)
Agar tidak berdasar, kami akan menunjukkan beberapa grafik yang kami ambil dari data nyata Republik Kazakhstan. Parameter data:

Panjang Rantai: 4
Jumlah saluran yang digunakan: 5


Fig. 1 (a) Jumlah saluran unik dalam rantai vs jumlah rantai tersebut	Fig. 1 (b) Tingkat konversi rantai vs jumlah saluran unik dalam rantai.

Grafik pertama menunjukkan jumlah saluran pemasaran unik yang ditemukan dalam rantai. Grafik kedua menunjukkan bagaimana tingkat konversi tergantung pada jumlah saluran unik di setiap rantai. Karena jumlah saluran pemasaran unik dalam rantai tumbuh, demikian juga tingkat konversi.

Grafik menunjukkan bahwa meskipun rantai dengan 4 saluran unik cukup jarang, mereka dikonversi 3 kali lebih sering daripada rantai sederhana. Dengan demikian, studi yang cermat tentang jumlah saluran yang berhasil disentuh pengguna sebelum konversi dapat secara signifikan mempengaruhi tingkat konversi.

Bagaimana cara menghitung tingkat interaksi?

Pada Gambar 1 (b), kami tertarik pada bentuk grafik. Tumbuh lebih cepat dari linear. Ini memberi tahu kami bahwa saluran bersama-sama memiliki beberapa interaksi yang signifikan untuk meningkatkan konversi keseluruhan. Dan apa lagi yang bisa menjadi bentuk grafik dari ketergantungan konversi pada jumlah saluran unik dalam rantai?

Fig. 2. Opsi hipotetis untuk ketergantungan konversi pada jumlah saluran unik dalam rantai.

Garis hijau - interaksi antara saluran terbatas, tidak perlu mengusahakan orang untuk melalui semua saluran ini. Hanya beberapa.
Garis biru - interaksi antara saluran sangat penting. Semakin banyak orang melalui saluran, semakin besar kemungkinan konversi.
Garis merah - tidak ada interaksi. Semua saluran dapat dilihat secara terpisah.
Garis kuning - saluran saling menyakiti. Semakin banyak saluran yang dilewati pengguna, semakin kecil kemungkinan mereka untuk mengonversi.

Dua jenis koefisien dapat dihitung. Satu akan memberi tahu kita tentang bentuk grafik, yang lain tentang beberapa nilai absolut dari interaksi.

Semoga kita punya

N

$N$ rantai dengan panjang yang sama

M

$M$ . Dari rantai ini, rantai dengan

C

$C$ saluran konversi unik. Ada fungsi CR rata-rata pada jumlah saluran unik

f (c)

$f (c)$ dimana

c l e C

$c \ le C$ ,

c i n m a t h b b N

$c \ in \ mathbb {N}$ . Maka indikator berikut akan memberi tahu tentang bentuk grafik:

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

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

Jika

0, 5 < H_{s} < 1

$0,5 <H_s <1$ - interaksi terbatas jika

0 < H_{s} < 0, 5

$0 <H_s <0,5$ - Interaksi itu penting. Jika

H_{s} < 0

$H_s <0$ - Saluran saling merugikan. Jika

H_{s} > 1

$H_s> 1$ - ketergantungannya tidak monoton. Bahkan, ini adalah indikator AUC ROC yang sangat terinspirasi.

Nilai absolut dari interaksi dapat dihitung sebagai berikut:

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

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

Faktanya, ini adalah perkiraan paling sederhana dari area di bawah (atau di atas) grafik yang direduksi menjadi nol. Siapa pun yang tahu cara mengintegrasikan dapat menghitungnya sendiri.

Tetap hanya memberi tahu cara membandingkan saluran tertentu dengan cara ini. Jika kita menghapus dari semua rantai kecuali yang mengandung dua saluran yang kita butuhkan, kita dapat mengevaluasi bagaimana mereka saling mempengaruhi dengan pengurangan sederhana, karena kita hanya memiliki dua saluran (C = 2).

Oleh karena itu:

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

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

Melewati semua pasangan saluran (sebenarnya kurang dari setengah dimungkinkan), kita dapat membangun tabel saling ketergantungan untuk contoh kita (dalam hal ini, rantai panjang 3 dan 4 saluran pertama diambil):

Nama saluran	0	1	2	3
0	0	0,064	-0,036	0,082
1		0	-0,032	-0,0017
2			0	-0,028
3				0

Ada 0 pada diagonal tabel ini, karena ini adalah interaksi saluran dengan dirinya sendiri dan tabel simetris sehubungan dengan diagonal. Dapat dilihat bahwa saluran nol memiliki efek yang baik pada konversi pertama dan ketiga, tetapi dengan interaksi lainnya ada masalah. Untuk latihan, ini biasanya cukup.

Bagaimana cara menghitung jumlah interaksi di Republik Kazakhstan?

Di sini kita diyakinkan, misalnya, bahwa semuanya baik-baik saja dengan interaksi saluran dan mereka memiliki efek positif satu sama lain. Tapi kita masih belum tahu seberapa kuat efeknya. Mungkin ada interaksi antara saluran, tetapi sedikit interaksi terjadi.

Mari kita coba melakukan hal yang sama seperti pada kasus sebelumnya, lihat gambar. Tapi kali ini 1 (a). Dari kemiringan "garis lurus" ini, orang dapat menilai bagaimana jumlah rantai berkurang dengan peningkatan jumlah elemen unik. Adalah logis untuk membawanya lebih dekat ke regresi linier biasa. Dalam hal ini, kemiringan regresi adalah -522. Yaitu Untuk rantai dengan panjang 4, jumlah rantai di mana terdapat 2 saluran unik, dan bukan 1, adalah 522 lebih sedikit dari rantai yang sepenuhnya terdiri dari satu saluran.

Jika kita menganggap bahwa kita memiliki 1.600 rantai dengan satu saluran dan perubahan positif dalam konversi ketika berpindah dari rantai dengan satu saluran unik ke rantai dengan dua 0,05 ke 0,1, maka mengurangi kemiringan dari -500 menjadi - 200, misalnya, kita akan mendapatkan 30 konversi lagi pada tingkat konversi yang sama untuk rantai dengan dua saluran unik. Tetapi ada asumsi kuat bahwa jika kemiringan ini menurun, konversi juga akan meningkat, dan bukan hanya jumlah orang untuk konversi yang sama akan meningkat.

Memilih saluran yang tepat untuk kampanye Anda

Nah, ini dia. Pertanyaan utama yang selalu ditanyakan semua orang adalah: "Saluran pemasaran apa yang harus kita gunakan untuk membuat kombinasi yang paling efektif?" Ada aturan umum yang berlaku: Semakin banyak saluran yang Anda gunakan pada awalnya, semakin baik. Kemudian, setelah pengujian, Anda dapat secara teoritis menentukan mana yang akan dihapus dari kampanye. Masalah utama di sini dalam praktiknya selalu menjadi kriteria yang memungkinkan satu atau saluran lainnya dihapus dari Republik Kazakhstan. Tiba-tiba, Anda menghapus beberapa, tetapi ia akan melakukan sisanya lebih buruk, meskipun ia tampaknya tidak membawa apa-apa secara langsung? Kami melakukan percobaan untuk mengatasi kesulitan ini.

Optimalisasi RK

Yang paling sederhana: Hanya dengan menghilangkan saluran dengan interaksi paling sedikit, kami meningkatkan CR rata-rata rumah sakit dari 1,58% menjadi 2,1% . Percobaan dilakukan dengan syarat bahwa biaya pemasaran sama di semua saluran.

Tapi jangan buru-buru berlari dan langsung melakukannya. Saluran keterlibatan rendah sering merupakan platform populer seperti Facebook. Penghapusannya dapat menyebabkan hilangnya pelanggan. Ini disebabkan oleh fakta bahwa platform besar ini tidak selalu memiliki banyak konversi, tetapi selalu ada banyak tayangan. Karenanya, kami memutuskan untuk menormalkan data menggunakan tayangan daripada klik-tayang untuk menentukan kinerja keseluruhan. Ini juga dilakukan dengan syarat bahwa setiap saluran harganya sama.

Saat membandingkan saluran dengan biaya berbeda, kami membagi tingkat konversi dengan biaya saluran untuk mengevaluasi efektivitas sebenarnya. Ketika kami mengecualikan dua saluran yang paling tidak efektif dengan kriteria ini dari kampanye kami, rata-rata tingkat konversi menurun dari 1,58% menjadi 1,54%. Namun, biaya menurun sebesar 28,9%, menghasilkan penurunan 28% pada BPK!

Jadi, penurunan CR tidak selalu berarti Anda membuang-buang uang iklan. Efek keseluruhan tergantung pada variabel yang dipilih untuk menghitung ROI untuk produk ini.

Apa yang harus dipertimbangkan saat menggunakan metrik interaksi saluran?

Jangan membuat tampilan interaksi saluran dengan memasukkan tautan yang tidak perlu. Ini mungkin membuat sulit untuk secara efektif mengevaluasi interaksi nyata.
Jika saluran tidak berinteraksi dengan yang lain dan tidak terlalu efektif dalam dirinya sendiri, singkirkan.
Lakukan tes A / B untuk mencari tahu mengapa pengguna memilih interaksi tertentu.
Anda dapat mengetahui bahwa kampanye Anda bergerak ke arah yang benar, bahkan sebelum konversi yang sebenarnya. Dengan meningkatnya jumlah interaksi saluran, Anda sudah tahu bahwa kampanye Anda berada di jalur yang benar.
Jangan hanya menggunakan satu alat analitik, meskipun itu jelas yang terbaik. Berbagai metode selalu meningkatkan hasil.

Bukti tambahan interaksi (bagian untuk kutu buku)

Seorang analis yang berpengalaman akan mencoba membuktikan kepada Anda bahwa konsep interaksi saluran hanyalah manipulasi data yang rumit. Sebagai contoh, kita dapat mengasumsikan bahwa ada saluran yang sangat efektif yang juga suka diintegrasikan ke dalam semua rantai secara berurutan. Dan karena itu, semakin banyak saluran unik dalam rantai tertentu, semakin besar kemungkinan memiliki saluran MEGA ini, yang meningkatkan konversi. Dari sini dan meningkatnya ketergantungan pada Gambar. 1 (b).
Tapi tidak.

Sertifikat 1

Untuk menyangkal hal di atas, kami menyajikan dua grafik dari set data yang sama. Gambar pertama menunjukkan jumlah sentuhan yang diterima setiap saluran jika Anda memilih semua rantai sederhana untuknya. Grafik kedua menunjukkan bagaimana setiap saluran tertentu dikonversi jika Anda memilih semua rantai sederhana untuk itu.


Fig. 3 (a) Jumlah rantai sederhana dari saluran tertentu	Fig. 3 (b) Tingkat konversi rantai sederhana pada saluran tertentu

Seperti yang dapat dilihat dari grafik, saluran yang paling populer bukanlah yang paling efektif, dan efektivitas rantai yang seragam tidak melebihi 17,5%. Kami akan mengungkapkan konsekuensi dari fakta ini:

Seperti yang bisa dilihat dari gambar. 3 (a), saluran 1 adalah yang paling populer. Oleh karena itu, jika kami memiliki rantai dan kami tidak yakin saluran mana yang ada di dalamnya, kami dapat yakin bahwa saluran 1 kemungkinan besar akan muncul di suatu tempat di rantai (tidak sederhana).

Jika saluran 1 memiliki CR yang lebih baik, kami dapat mengatribusikan peningkatan CR untuk rantai kompleks ke saluran ini, tetapi tidak. Saluran 1 untuk panjang rantai 4 memiliki CR rata-rata 0,075 pada Gambar. 3 (b), tetapi tidak 0,3, seperti pada Gambar. 1 (b), di mana ada 4 saluran unik dalam rantai.
Dengan demikian, tingkat konversi saluran individu tertentu atau "popularitasnya" tidak dapat menjelaskan tingkat konversi yang lebih tinggi yang ditemukan dalam rantai yang tidak sederhana. Dari sini menjadi jelas bahwa interaksi saluran memang ada.

Sertifikat 2

Kami menggunakan data yang tersedia untuk membuat model matematika sederhana yang memungkinkan kami untuk menghitung ulang probabilitas konversi tanpa memperhitungkan interaksi saluran. Dalam simulasi “tidak ada interaksi”, kami mendapat total tingkat konversi 0,3%, bukan 1,58%.

Kami juga meluncurkan simulasi ini untuk dua set data lainnya.


Fig. 4 (a) Kumpulan Data 1. Eksperimen (biru) versus model (hijau)	Fig. 4 (b) Set Data 2. Eksperimen (biru) versus model (hijau)

Grafik untuk kedua set data jelas menunjukkan bahwa kurangnya interaksi dalam saluran secara signifikan mengurangi CR. Ini adalah bukti tambahan lain bahwa interaksi adalah hal yang penting.

Jika seseorang tertarik, kami akan menulis modelnya sendiri di artikel terpisah, tetapi sangat sederhana sehingga Anda sendiri dapat mengetahui cara membuatnya.

PS Kami menerbitkan artikel kami di beberapa situs Runet. Berlangganan ke halaman kami di VK , FB atau saluran Telegram untuk mencari tahu tentang semua publikasi kami dan berita Maxilect lainnya.

Konsep interaksi saluran iklan dan aplikasi praktisnya