Как использовать данные из CRM для повышения прибыли от онлайн-рекламы

Ладо Лебанидзе Июн 2016 Инсайты потребителей

Чем руководствуется рекламодатель, рассчитывая ставку на рекламу? Целевая стоимость привлечения, определяется тем, сколько прибыли мы ожидаем получить в результате рекламной кампании. Однако, не все пользователи, зашедшие на сайт, ведут себя одинаково — они совершают разное количество покупок и конвертируются с разной частотой. Должен ли в этом случае рекламодатель платить одинаково за их привлечение? Ответ: нет. CRM компании позволяют отслеживать поведенческие сигналы тех клиентов, которые уже побывали на сайте, и в дальнейшем использовать эти данные для настройки более эффективных и выгодных рекламных стратегий.

Каким рекламодателям выгодно использовать интеграцию с данными CRM?

Использовать внутреннюю информацию о поведении пользователя в своих рекламных кампаниях могут все рекламодатели, собирающие данные о клиентах в CRM. В зависимости от количества и качества накопленных данных, они могут использовать более простые или продвинутые варианты их анализа.

Минимальные требования для встраивания CRM данных в рекламные кампании:

  • наличие базы данных пользователей (CRM);
  • интеграция данных по ID пользователя с Google Analytics;
  • ресурсы для создания лог-файлов.

Максимальную выгоду от интеграции CRM данных для оптимизации рекламы получат рекламодатели, которые:

  • собрали базу историй покупок за достаточно продолжительный период времени (за последние полтора года и более);
  • работают в сфере бизнеса, где среднее количество транзакций за год на одного клиента превышает 1 (такие как розница, сайты поиска билетов / отелей и т.д.).

Как поведенческие сигналы из CRM помогают повысить эффективность рекламы?

Сегодня существуют системы автоматического выставления ставок (Google Auto-bidding, aka Conversion Optimizers), которые оптимизируют рекламные затраты (ставки за клик) по заданным показателям, таким как целевая стоимость привлечения (CPA) или желаемый ROI. Эти алгоритмы используют информацию известную о пользователе, чтобы сформировать ожидание по нему (сколько такие пользователи как он приносят в среднем). Авто-бидинг алгоритмы Google используют общие обезличенные данные о пользователях — историю поиска в интернете и набора ключевых слов, частично историю онлайн-покупок и демографическую информацию.

На самом деле, гораздо больше ценной информации о поведении пользователей хранится в CRM самого рекламодателя. И так как это данные поведения людей по отношению к конкретной компании, они являются лучшим предсказателем их дальнейших отношений с ней. Это данные о непосредственных действиях, совершенных клиентами на сайте компании: информация о маржинальности разных продуктов, данные о кросс-платформенных аккаунтах, история покупок не только онлайн, но и оффлайн, контактная информация и пр. По этим поведенческим сигналам, которые рассказывают, что человек делал до настоящего момента времени, можно с большой вероятностью судить, что он будет делать в будущем. И чем больше данных копится о пользователях в CRM, тем выше их предсказательная возможность, и тем эффективнее их можно использовать для увеличения дохода от рекламы.

cc1f6_1

Анализ максимального количества сигналов, в том числе из CRM, позволяет определить ценность пользователей для рекламодателя и затем ранжировать их по ожидаемой прибыли, к примеру, хотя бы на три категории — выгодные, средне выгодные и невыгодные. Это разделение помогает скорректировать затраты на рекламное привлечения отдельных клиентов, рассчитав оптимальную величину ставок по каждой из трех категорий, и нарастить эффект от рекламной кампании в целом.

Как извлекать предсказательные сигналы из данных CRM и настраивать рекламу?

Существуют различные способы извлечения предсказательного сигнала из CRM данных. К примеру, через так называемый “RFM” — анализ, который позволяет ранжировать людей, совершавших действия на сайте, на основе трех показателей: как давно (Recency) и с какой частотой (Frequency) они совершали некое действие, например, делали покупки, а также по величине чека (Monetary Value). RFM позволяет не только наглядно увидеть, какие пользователи тратили больше денег в прошлом, но и рассчитать вероятность и ожидаемые суммы их будущих покупок. Оценив таким образом разницу доходов для рекламодателя от топового и самого слабого сегмента клиентов, становится понятно, что если рекламные расходы компании распределены равномерно по всей аудитории, то бизнес переплачивает за пользователей с низкой ожидаемой доходностью и недоплачивает за топовых клиентов.

Простейший способ “предсказания” ожидаемого дохода с клиента по RFM — это разбить всех клиентов на равные группы по каждому измерению и за последующий период времени замерить разницу среднего дохода по каждой комбинации против среднего по всей базе клиентов.

75412_2

Завершив сегментацию по ожидаемому доходу, надо передать полученный предсказательный сигнал из CRM на рекламную площадку. Самый простой способ — сгруппировать пользователей с одинаковой доходностью в пользовательские списки в Google AdWords и уже по ним настраивать ремаркетинг, ранжируя значения рекламных ставок (за показ, клик и/или другой способ) исходя из разницы в ожидаемой прибыльности этих списков.

cf52d_3

Самая доходная группа пользователей конвертируется не только с большей вероятностью, но и с более высоким средним чеком. Таким образом, подход RFM позволяет ранжировать ставки, принимая во внимание не только коэффициент конверсии, а общий денежный доход от рекламной кампании.

6162c_4

Выводы

Сегодня для рекламодателей, занимающихся ремаркетингом, важно накапливать данные покупателей в CRM не только для анализа, но и для их прямого использования в интернет-рекламе. Компании могут пользоваться помощью внешних интернет-агентств и/или системами автоматического выставления рекламных ставок (Google Conversion Optimizer) для оптимизации своих рекламных затрат, но следует помнить, что без интеграции с CRM компании они способны анализировать только часть данных о пользователях. Большая и более важная часть поведенческих данных пользователей, касающаяся частоты покупок, процента отказов, размера среднего чека и других показателей, доступна только через CRM компании. Используя эту информацию, рекламодатель может качественно предсказывать, как будут вести себя его покупатели в будущем, и на основе этого ранжировать будущие рекламные затраты на них соответственно.

Выгоду от интеграции данных CRM для повышения эффективности онлайн-рекламы может получить любой рекламодатель при условии, что он собирает информацию о клиентах и грамотно ее обрабатывает. Методы извлечения предсказательных сигналов могут самыми разнообразными — от простого ранжирования до продвинутых алгоритмов, обрабатывающих большой пласт данных. Чем больше действий совершает человек на сайте, тем проще предсказать его будущее поведение. А чем больше людей в базе данных CRM, тем больше выгоды это принесет бизнесу.

Бонус для гиков:

  • Продвинутый способ интеграции CRM с рекламной в Google — через Google Analytics Remarketing.
  • Готовы к более “взрослым” подходам к расчету ожидаемого дохода (expected LTV) чем “простой” RFM? Одни из самых популярных статистических моделей для этой цели — Pareto/NBD и BG/NBD.
Использование User ID из Google Analytics 360 помогло ePrice пересмотреть свои мобильные инвестиции и снизить цену за конверсию на мобильных устройствах на 80%