Metrik non-sepele dari efektivitas kampanye iklan

Ketika menganalisis rantai saluran periklanan, beberapa ide yang cukup sederhana, tetapi berguna tidak diketahui. Analis yang terbiasa dengan matematika segera ingin membenamkan diri dalam pembelajaran mesin, sementara analis yang jauh dari matematika tidak benar-benar mengerti di mana dan bagaimana mencari dalam isolasi dari laporan Google Analytics standar.

Pada saat yang sama, hal yang agak dangkal seperti distribusi panjang rantai atribusi untuk suatu periode dapat memberi tahu Anda hal-hal yang sangat fasih, dan tidak hanya tentang efektivitas iklan Anda.

Pada artikel ini saya akan menunjukkan bagaimana untuk distribusi ini:

1. Untuk membedakan di antara mereka yang melalui saluran iklan, para pengguna yang merespons iklan;
2. Nilai efektivitas dampak kampanye iklan Anda pada grup ini;
3. Untuk mengevaluasi bagaimana orang akan bereaksi terhadap produk Anda jika Anda tahu segalanya tentang hal itu yang ingin Anda sampaikan kepada mereka;
4. Perkirakan frekuensi optimal menampilkan iklan dalam hal tingkat konversi.

Grup keterlibatan pengguna

Misalkan Anda memiliki data tentang semua rantai saluran yang dilewati pengguna dalam sebulan. Untuk memulai, kami akan membaginya menjadi dua kelompok:

1. Rantai yang berakhir dengan konversi.
2. Rantai yang tidak mengakhiri konversi.

Buat tabel berisi jumlah rantai dengan panjang tertentu:

Panjang rantai	1	2	3	4	...
Jumlah konversi	200	400	600	1000	...
Jumlah percakapan tanpa konversi	400.000	300.000	30000	7000	...

Setelah itu, Anda dapat memetakan logaritma jumlah rantai yang dikonversi dan yang tidak dikonversi pada panjangnya dan melihatnya bersama-sama. Sebagai contoh, di sini kami membuat jadwal untuk salah satu klien B2C kami untuk jangka waktu tertentu:


Fig. 1. Ketergantungan jumlah rantai pada panjang rantai

Setiap titik grafik mendefinisikan kelompok pengguna tertentu yang, selama periode yang dipertimbangkan, menyelesaikan konversi (garis hijau) atau tidak menyelesaikan (garis biru) sambil menyelesaikan rantai dengan panjang tertentu. Kedua grafik turun karena jumlah rantai menurun secara eksponensial dengan panjangnya. Untuk rantai pendek (dari 2 hingga 7-8), tingkat konversi (jarak antara garis) meningkat secara bertahap.

Ada beberapa poin yang sangat menarik yang dapat disorot dengan melihat grafik ini:


Fig. 2. Ketergantungan dari jumlah rantai pada panjangnya dengan daerah yang ditumpangkan menyoroti berbagai jenis perilaku.

Kami memiliki 4 grup pengguna yang berbeda:

1. Rantai dengan panjang 1 dan 2 (kuning). Jumlah konversi meningkat, tetapi pertumbuhan ini sendiri dan nilai-nilai tingkat konversi (tingkat konversi) tidak sesuai dengan tren utama. Ini adalah pengguna yang hanya terbiasa dengan produk.
2. Panjang rantai dari 3 hingga 9 (hijau). Tren utama adalah ketika jumlah konversi berkurang. Grafik konvergen, yang mengatakan bahwa rasio rantai berubah ke arah peningkatan proporsi rantai dengan konversi. Yaitu tingkat konversi meningkat. Ini sesuai untuk pengguna yang secara spesifik mengklik iklan.
3. Rantai dari 9 hingga 15 (biru). Jumlah konversi berkurang, dan tingkat konversi tetap tidak berubah. Grafik berjalan paralel, yang mengatakan bahwa tingkat konversi tidak berubah. Pengguna memiliki gagasan tentang bagaimana organisasi dapat memenuhi kebutuhan mereka, dan iklan tambahan tidak meningkatkan kemungkinan pembelian.
4. Lebih besar dari 15 (merah muda). Kurang dari 10 konversi dan konversi tanpa konversi. Terlalu sedikit data untuk mengatakan sesuatu.

Menyoroti 4 grup ini membantu untuk memahami volume orang yang berpotensi merespons iklan. Ini untuk sebagian besar kelompok (2).

Analisis konversi grup

Untuk memulai, buang semua yang tidak diperlukan. Panjangnya lebih dari 15 (dalam data ini) tidak terlalu informatif bagi kami. Terlalu sedikit rantai sepanjang ini tidak memungkinkan kesimpulan. Mari menggambar grafik tingkat konversi versus panjang rantai:


Fig. 3. Tingkat Konversi vs. Panjang Rantai

Grafik ini kira-kira dengan Igmoid oh. Ketergantungan tersebut dijelaskan oleh regresi logistik . Deskripsi ketergantungan yang diperoleh menggunakan regresi logistik membantu untuk menarik kesimpulan tambahan yang berguna, namun, dua fakta mengganggu perkiraan yang baik menggunakan regresi logistik:

• Ekor yang lebih rendah terlalu rendah, regresi akan sangat melebih-lebihkan probabilitas konversi untuk panjang rantai pendek.
• Ketika jumlah rantai meningkat, grafik cenderung tidak ke 1, seperti sigmoid, tetapi ke 0,5.

Kedua masalah ini diselesaikan dengan cukup sederhana.

Mengapa ekor bagian bawah memiliki probabilitas rendah yang tidak memadai (untuk regresi log)?

Jelas secara intuitif bahwa jika seseorang mengklik tautan ke sumber daya Anda setidaknya tiga kali, itu mungkin tidak terjadi secara kebetulan. Dan kemungkinan satu kali sangat mungkin. Dengan demikian, pertanyaan yang diajukan diselesaikan dengan sederhana dan radikal - semua orang ini ada di situs secara kebetulan (kemungkinan besar), dan mereka tidak membutuhkan produk atau layanan Anda. Tapi di sini mereka ada di situs Anda, dan kemungkinan mereka akan dikonversi.

Karenanya, kami tidak akan mempertimbangkan grup ini lagi. Untuk memperkirakan regresi logistik, kami hanya akan mempertimbangkan grup pengguna (2) dan (3).

Bagaimana menyingkirkan fakta bahwa probabilitas tidak cenderung ke 1, jika dalam regresi logistik harus cenderung ke 1?

Apa yang diberikan perusahaan periklanan? Mereka memungkinkan klien untuk sepenuhnya mengenal perusahaan, layanan dan fasilitasnya. Jika seseorang telah mempelajari segala sesuatu tentang perusahaan, apakah ini berarti dia akan membeli sesuatu? Tidak. Kemungkinan besar ada puluhan dan ratusan alternatif untuk layanan yang diiklankan. Seseorang yang sudah tahu segalanya tentang layanan khusus Anda kemungkinan besar akrab dengan sejumlah layanan lain. Dan sekarang dia memiliki informasi yang cukup untuk dipilih dengan kemungkinan suatu perusahaan di mana dia akan memesan sesuatu. Dan probabilitas ini kurang dari 1. Meningkatkan jumlah umpan pada iklan dari jumlah tertentu menjadi tidak berarti. Oleh karena itu, agar grafik cenderung ke 1, Anda hanya perlu membagi semua nilai tingkat konversi dengan nilai probabilitas di mana grafik cenderung meningkatkan jumlah lintasan iklan.

Penilaian integral dari efektivitas organisasi dan strategi pemasarannya

Mari kita lihat di atas dari sisi yang lain. Untuk rantai yang cukup panjang, jumlah pengguna tambahan yang meneruskan iklan tidak lagi berperan. Sesuatu yang lain penting. Kami menyebutnya tingkat kenyamanan perusahaan. Dia konstan untuk organisasi.

Maka probabilitas konversi keseluruhan dibagi menjadi produk dari dua probabilitas:

$$

$$P_ {conv} (l) = P_ {marketing} (l) * P_ {firm},$$

dimana $$$P_ {firm}$- penilaian terpadu tentang efektivitas organisasi, yaitu kemungkinan membeli sesuatu di suatu organisasi yang Anda sudah tahu semua yang Anda bisa dan secara sadar memilih antara organisasi ini dan alternatifnya (melewati tambahan melalui saluran iklan tidak akan mempengaruhi keputusan untuk membeli). $$$P_ {marketing} (l)$- penilaian terpadu tentang efektivitas strategi pemasaran, yaitu probabilitas untuk membeli sesuatu dalam organisasi, asalkan hanya pengaruh pemasaran, dan jika seseorang mengetahui segala sesuatu yang mungkin, ia pasti akan membeli dalam organisasi ini, dan tidak akan mempertimbangkan alternatif. Dan, tentu saja, probabilitas ini tergantung pada panjang rantai. $$$l$.

Jika kita kembali ke Gambar 3 lagi, kita akan melihat bahwa area pengaruhnya $$$P_ {marketing} (l)$meluas hanya ke (2) grup pengguna. Untuk grup (3) - $$$P_ {marketing} (l) = 1$, yang berarti probabilitas pembelian adalah $$$P_ {firm}$. Dalam kasus kami, rata-rata $$$P_ {firm} = 0,55$yang sangat bagus. Angka ini mengatakan bahwa dengan memiliki semua kartu di tangan, seseorang memilih organisasi ini dari semua alternatif yang memungkinkan dalam 55% kasus.

Yah, tetap menambahkan bahwa sekarang kita memiliki rasionalisasi untuk $$$P_ {marketing} (l)$, yang cenderung 1. Regresi logistik satu faktor sederhana sekarang dapat diterapkan untuk itu. Kami akan melakukan ini dengan memperkirakan data dinormalisasi dengan 1 dengan membagi data dengan sigmoid $$$P_ {firm}$.


Fig. 4. Ketergantungan konversi pada panjang rantai dengan kurva yang dikenakan untuk regresi logistik.

Di grafik $$$l$- panjang rantai, P _m - $$$P_ {marketing} (l)$. Eksponen untuk eksponen adalah rasio odds log = 0,53. Jika perusahaan memiliki peluang 100% untuk "konversi sadar" ( $$$P_ {firm} = 1$), ini kira-kira akan berarti bahwa dengan setiap peningkatan rantai per satu, rasio jumlah rantai dengan dan tanpa konversi akan berubah dengan [exp (0,53) = 1,699].

Indikator ini mengukur tingkat efektivitas strategi pemasaran secara keseluruhan. Semakin cepat probabilitas tercapai $$$P_ {firm}$, semakin efektif strateginya. Tentu, Anda perlu memastikan itu $$$P_ {firm}$mengambil nilai yang memuaskan untuk bisnis Anda, jika tidak, strategi pemasaran yang efektif akan memaksa pelanggan potensial untuk membeli sesuatu yang bukan dari Anda.

Perkiraan frekuensi optimal beriklan di saluran

Perhatikan gambar (3), yang menunjukkan ketergantungan probabilitas konversi pada jumlah saluran yang saat ini dilalui pengguna. Setiap titik pada grafik sesuai dengan bagian kondisional dari audiens target. Misalnya, orang yang melewati 10 saluran agak berbeda dari mereka yang hanya melewati 2, karena kebanyakan dari mereka yang melewati dua saluran tidak akan mencapai 10.

Apalagi bagi mereka yang melewati 10 saluran, program pemasaran kemungkinan besar tidak lagi berfungsi. Mereka telah melihat semua iklan yang mungkin. Bagi mereka yang hanya melalui dua saluran, iklan dapat bekerja. Dengan demikian, seluruh strategi pemasaran harus difokuskan secara khusus pada kelompok (2). Orang yang telah melewati lebih dari dua saluran, tetapi belum lulus, misalnya, 10.

Studi kami terhadap data menunjukkan bahwa untuk grup (2) ada korelasi negatif yang signifikan antara tingkat konversi dan jumlah total klik iklan untuk periode tertentu. Yaitu semakin banyak orang dari Asia Tengah, pada prinsipnya, melalui saluran periklanan tertentu, semakin kecil kemungkinan bahwa anggota kelompok (2) dari saluran ini akan dikonversi.


Fig. 5. Hubungan antara korelasi dan panjang rantai yang berbeda. Korelasi adalah koefisien korelasi pearson antara tingkat konversi dan jumlah total klik pada saluran iklan.

Ini mungkin disebabkan oleh fakta bahwa peningkatan konversi dikaitkan dengan peningkatan tayangan. Algoritme cerdas platform periklanan mencoba menampilkan iklan dari bagian yang paling efektif dari audiens target, tetapi bagian ini terbatas. Dengan demikian, dengan peningkatan jumlah tayangan, algoritma dipaksa untuk mulai menampilkan iklan ke bagian yang kurang efektif dari audiens target. Bagian CA ini cenderung tidak akan dikonversi.

Dapat diasumsikan bahwa ada beberapa pilihan optimal dari frekuensi tayangan iklan di saluran, yang hanya akan mempengaruhi bagian yang paling efektif dari audiens target. Tingkat kecukupan pilihan frekuensi saat ini dapat diperkirakan dengan menghitung korelasi antara jumlah total transisi untuk periode dan tingkat konversi. Jika korelasi ini negatif, Anda perlu mengurangi frekuensi tayangan. Jika kira-kira sama dengan 0, maka ukurannya optimal. Jika positif, ukuran audiens dapat ditingkatkan.

Dalam kasus kami, perubahan dalam frekuensi tayangan, yang menyebabkan penurunan jumlah konversi sebesar 25%, menyebabkan peningkatan dalam tingkat konversi rata-rata grup (2) dari 3,5% menjadi 4%.

Kesimpulan dan keterbatasan

Metrik kunci yang disarankan:

1. Ukuran grup (2). Ini memungkinkan Anda memperkirakan berapa banyak orang di periode pelaporan yang bereaksi aktif terhadap iklan.
   
2. Kemungkinan pertobatan seseorang yang pada umumnya terjadi secara kebetulan dan ia tidak memerlukan apa-apa dari organisasi. Diperkirakan dengan tingkat konversi rantai "satu langkah". Dalam kasus data yang ditinjau di sini, ini adalah 0,06%.
   
3. Membagi probabilitas konversi dengan dua panjang rantai $$$P_ {firm}$dan $$$P_ {marketing}$dapat diperkirakan:
   
   • Penilaian integral efektivitas organisasi. Yaitu Probabilitas membeli produk, asalkan dengan tampilan iklan tambahan, pendapat orang tentang produk dan perusahaan tidak berubah sama sekali. Dalam kasus kami, ini adalah 55%.
     
   • Penilaian terpadu tentang efektivitas strategi pemasaran dengan indikator regresi logistik, yang dapat memperkirakan ketergantungan yang ada dari tingkat konversi pada panjang rantai. Dengan setiap peningkatan dalam rantai satu per satu, probabilitas konversi meningkat, dan itu akan mencapai 100% di beberapa titik jika $$$P_ {firm} = 1$. Indeks regresi logistik menunjukkan tingkat keparahan peningkatan ini.
     
4. Korelasi antara tingkat konversi dan jumlah total klik grup (2) pada saluran iklan untuk periode tersebut memungkinkan kami memperkirakan frekuensi tayangan optimal di saluran tersebut.

Semua hal di atas memiliki sejumlah keterbatasan dalam penafsiran. Dan batasan utama memaksakan pada kita waktu pertimbangan terakhir. Jelas, rantai yang cukup panjang masih dapat berakhir dengan konversi di suatu tempat di masa depan (yang belum kami temukan), dan beberapa tingkat "nyata" konversi rantai mungkin sedikit lebih tinggi. Masuk akal untuk mengasumsikan bahwa Pfirm agak diremehkan dan penilaian ini merupakan penilaian integral dari efektivitas organisasi dari bawah. Untuk menghindari kesulitan ini, kita dapat mempertimbangkan interval waktu di mana semua efek waktu-terbatas ini akan semakin kecil. Misalnya, setahun penuh.

PS Untuk terus mengikuti berita Maxilect dan menjadi yang pertama tahu tentang semua publikasi, berlangganan halaman kami di VK , FB atau saluran Telegram .