+7 (495)565-30-31
Img

Исследование контекстной рекламы. Анализ критериев оценки эффективности на основе данных K50

Img 10 мин
Опубликовано 06.07.2018
Img

10 мин На чтение

В статье рассказываем, почему нужно анализировать, как в конкретном случае поведенческие показатели Яндекс.Директ и Google Ads соотносятся с целевыми действиями, перед тем как распределять их вес.

Данное маркетинговое исследование контекстной рекламы было проведено в рамках подготовки к выступлению на конференции SEMconf 2017. Автор: Маргарита Успенская, Аккаунт-директор К50.

На основе обобщенных данных статистики клиентов К50 проведено исследование. Данные в исследовании приведены в разрезе тематик и регионов:

  1. Доля трафика с контекстной рекламы рекламных систем Яндекс и Google по тематикам (Поиск, сеть, другие типы РК);
  2. Конверсия блоков рекламных систем — коэф. конверсии, поведенческие показатели;
  3. Конверсия устройств — коэфф. конверсии, поведенческие показатели;
  4. Сводные данные по качеству трафика по популярным продающим «добавкам»;
  5. Коэфф. корреляции основного целевого действия с поведенческими факторами в разрезе тематик.

Цель данной статьи — провести анализ по различным параметрам, применяемым для оценки эффективности контекстной рекламы. В данной статье будут рассмотрены следующие тематики:

  • Интернет-магазины
  • Банки
  • Travel-сегмент
  • Недвижимость

Для проведения анализа была использована выборка по крупным и средним рекламодателям, совокупное количество кликов в месяц в системах Яндекс.Директ и Google AdWords более 7 000 000, совокупный рекламный бюджет более 100 000 000 руб.

Распределение трафика и бюджетов в контекстной рекламе

Доля рекламных расходов Яндекса = 55%, Google = 45%
Доля рекламных расходов Яндекса = 55%, Google = 45%.

Доля трафика Яндекс и Google
Доля трафика Яндекс и Google

При этом доля трафика у Google — чуть больше 50%. Стоимость клика в Google чуть ниже для большинства тематик.

Для интернет-магазинов, travel-услуг, недвижимости на август 2017 характерно примерно равное распределение кликов с систем, для авто и банков — доля Яндекс выше в соотношении 65%: 35%, для услуг (не travel-сегмент) доля трафика с Google, напротив, выше, чем с Яндекс.

Срез по стоимости клика по некоторым тематикам на август 2017:

Срез по стоимости клика по некоторым тематикам на август 2017

Что касается распределения трафика между поиском и РСЯ, наблюдается следующая картина:


Для интернет-магазинов характерен «перевес» трафика в сторону поисковых кампаний, РСЯ приносит около 15% трафика, и тратит порядка 15–20% бюджета. DSA для интернет-магазинов могут привлекать до 40% от всего поискового трафика.

В тематике недвижимость расходы распределены примерно поровну, что касается поиска и сети в Яндексе, при этом расход на поиск как минимум в 2 раза выше за счет того, что СРС на поиске выше в 2 раза. Что касается Google, с КМС идет до трети трафика по клиентам, которых мы анализировали, СРС примерно 40% от CPC на поиске.

В банковской тематике у разных проектов совершенно разное соотношение трафика в системах, поэтому не совсем корректно было делать общую сводку. Замечено, что CPC по разным банковским услугам в Яндексе колеблется от 25 руб. до 150 руб. и выше. В КМС клики могут стоить до 10 руб., при этом поиск Google зачастую даже дороже, чем поиск в Яндексе.

Для travel — на проектах, которые попали в нашу выборку, огромный перевес трафика в пользу поиска.

Выводы

  • Доля трафика и расходов между Яндекс и Google выровнялась для большинства проектов в выборке.
  • Стоимость клика в Google все еще ниже, но это справедливо не в 100% случаев.
  • Доля расхода и трафика, который рекламодатели получают с площадок РСЯ, зависит от тематики и может превышать 40%.

Соответственно при первичном распределении бюджета лучше закладывать примерно равные доли на рекламные системы, в Яндексе около 1/3 бюджета отводить на РСЯ+Ретаргетинг, в Google учитывать, что, хоть и клики в КМС можно получить очень дешевые — до 10 руб., использовать КМС стоит с ограничениями по дневным бюджетам и используя тонкие настройки.

Конверсия в целевое действие и поведенческие показатели блоков рекламной выдачи

Для построения данного отчета были использованы данные по крупным проектам с большим трафиком, суммарное количество сессий по источнику Яндекс.Директ — более 4 млн. сессий в месяц, данные на основе 2-х месяцев статистики — июль-август.

  • o:1–4 — клики с позиций под результатами поиска;
  • p:1–4 — клики с позиций над результатами поиска.


На графике видна прямая зависимость — чем выше коэффициент конверсии, тем ниже показатель отказов. Наименьший показатель отказов (и соответственно, самый высокий коэффициент конверсии — у первого спецразмещения).


Зависимость похожа на показатель отказов, также видим, что для кликов из блока спецразмещение характерна в целом большая глубина просмотра, чем из блока показов под результатами поиска. Для блока спецразмещения характерно падение ср. глубины просмотра с 1 по 4 место, для гарантированных показов нет такой динамики.


Ср. продолжительность визита для спецразмещения также выше, при этом нет такой же зависимости, что и у количества просмотренных страниц, например, для 4 спецразмещения мы видим, что длительность визита была выше, чем для 2 места. Зависимость между коэффициентом конверсии и продолжительностью визита более явная, чем между коэффициентом конверсии и иными поведенческими показателями.


Выводы

  • Поведенческие показатели имеют ту же зависимость от блока размещения, что и коэффициент конверсии — в блоке над результатами поиска более качественный трафик по всем показателям.
  • Качество 1 и 4 спецразмещения отличается гораздо больше, чем 1 и 4 места гарантированных показов, поэтому в целом не имеет смысла стремиться к 1 месту гарантированных показов, если по ставке не попадаешь в блок спецразмещения.
  • Наиболее «релевантный» поведенческий показатель для прогноза конверсии — длительность визита.

Конверсия в целевое действие и поведенческие показатели в разрезе устройств

Распределение трафика по устройствам в разрезе тематик выглядит так:


Если посмотреть в разрезе тематик, мобильного трафика больше всего у недвижимости, на втором месте — travel и ecommerce, относительно мало мобильного трафика у банков:



Ср. количество страниц и ср. продолжительность визита обычно ниже у десктопов. Наиболее высокая глубина и длительность — у планшетов, но при этом нужно помнить, что планшеты — меньшая часть трафика.


Несмотря на то, что поведенческие показатели у мобильных лучше, чем у десктопов — коэффициент конверсии у них все же ниже.

Сводные данные по качеству трафика по популярным «продающим добавкам»

У многих специалистов есть мнение, что трафик по словам с «продающим добавкам» — т. е. словами «купить», «цена», «интернет-магазин» итд — более качественный и обычно более дорогой.

Мы сделали срез по нескольким крупным интернет-магазинам для того, чтобы проверить эту теорию и понять, нужно ли при первичной оптимизации ставок как-то приоритезировать эти слова.

Ниже привожу таблицу (целевые действия и СРО «сломаны», остальные данные реальны) с данными и комментарии. Анализировался весь трафик, исключая брендовые запросы.


Качественные (поведенческие) характеристики — глубина, показатель отказов для слов с продающими добавками — лучше, по CR и CPO нет однозначной картины — в каких-то проектах «выигрывают» запросы с наличием добавок, в каких-то без. Так что давать дополнительный повышающий коэффициент, опираясь только на наличие/отсутствие «продающего слова» в ключевой фразе при запуске кампаний смысла не имеет. По мере накопления статистики лучше также учитывать это, только если вы видите, что конкретно для вашего сайта для каких-то товаров или категорий это работает.

Корреляция основного целевого действия с поведенческими факторами в разрезе тематик

Немного теории:

Критерии количественной оценки зависимости между переменными называются коэффициентами корреляции или мерами связанности. Две переменные коррелируют между собой положительно, если между ними существует прямое, однонаправленное соотношение. При однонаправленном соотношении малые значения одной переменной соответствуют малым значениям другой переменной, большие значения — большим. Две переменные коррелируют между собой отрицательно, если между ними существует обратное, разнонаправленное соотношение. При разнонаправленном соотношении малые значения одной переменной соответствуют большим значениям другой переменной и наоборот. Значения коэффициентов корреляции всегда лежат в диапазоне от –1 до +1.

Интерпретируют значения обычно так:


Сам по себе факт корреляционной зависимости не даёт основания утверждать, что одна из переменных предшествует или является причиной изменений, или то, что переменные вообще причинно связаны между собой, а не наблюдается действие третьего фактора. Но для анализа рекламных кампаний ее можно использовать как один из способов управления ставками и бюджетами, когда у нас недостаточно накопленных данных по основным целям по всем рекламным материалам, которые мы используем, или при запуске новых рекламных материалов.

Банки, корреляция коэффициента конверсии с поведенческими показателями. Показатель отказов и CR коррелируют очень слабо, наиболее близко связанный с CR поведенческий показатель — ср. длительность посещения.


Travel. Все показатели очень слабо коррелируют с коэффициентом конверсии.


Недвижимость. Наблюдается слабая обратная зависимость между CR и показателем отказов — это касается звонков, так как зачастую визит, который повлек за собой звонок является «отказным», так как пользователь мог посетить одну страницу и сразу набрать номер телефона.

Есть в то же время средняя корреляция между глубиной и CR — это значит, что, если человек не позвонил сразу, он скорее склонен совершить звонок (или действие на сайте), посмотрев значительное количество страниц.


Для интернет-магазинов характерна средняя отрицательная корреляция между глубиной и CR. Это аргумент в пользу популярной теории, что не стоит уводить пользователя (особенно из корзины) на другие товары с помощью рекомендаций, так как это может негативно повлиять на завершение процесса покупки.

Выводы

Исследование контекстной рекламы показало, что прежде чем придавать вес какому-то из поведенческих показателей, нужно проанализировать, как в вашем конкретном случае он коррелирует с целевым действием. Проверить корреляцию можно в онлайн-калькуляторах или формулой в Excel.

Для большинства проектов в нашей выборке наибольшую корреляцию с CR показал показатель ср. длительности посещения, на него стоит обращать внимание в первую очередь (сейчас многие ориентируются в основном на показатель отказов).

Хотите быть в курсе последних трендов в контекстной рекламе? Не пропустите SEMconf 2018. Промокод на 10% скидку на все виды участия (оффлайн или онлайн) K50_10.

Оптимизатор ставок от K50

Экономьте время на управление и улучшайте результаты рекламных кампаний с помощью сервиса Оптимизатор.

  • Автоматически управляет ставками в Яндекс.Директ и Google Ads по бизнес-KPI
  • Учитывает исторические и прогнозные данные
  • Работает на данных CRM, коллтрекинга или веб-аналитической системы
Получайте новости первыми
Подпишитесь на ежемесячную рассылку обновлений и полезных материалов
Спасибо! Материалы будут отправленны вам на e-mail
Содержание
Исследования об эффективности низкочастотных запросов

Исследование об особенностях использования низкочастотных (НЧ) запросов и высокочастотных запросов (ВЧ) в аккаунтах контекстной рекламы. Статья Маргариты Успенской по мотивам выступления на конференции "Поисковый маркетинг и продвижение бизнеса в интернете".

Есть вопросы?

Свяжитесь с нами для обсуждения
проекта по улучшению ваших
бизнес показателей

+7 (495)565-30-31