Post-view аналитика в фарме: как и зачем ее использовать при оценке эффективности РК
В ходе воркшопа для представителей фармацевтических компаний Яна Саулова, руководитель отдела аналитики агентства «Риалвеб», и Екатерина Аралина, ведущий веб-аналитик «Риалвеб», рассказали, какие задачи помогает решить post-view аналитика, и показали, как использовать данные из разных систем, чтобы понять, как пользователи взаимодействуют с брендом через различные рекламные каналы. А мы делимся конспектом.
Что такое post-view аналитика
Существуют два базовых сценария поведения пользователя:
- Пользователь видит рекламу, кликает на баннер, переходит на сайт и совершает конверсию. В этом случае отследить техническую реализацию с точки зрения взаимодействия пользователя с сайтом не сложно, потому что все происходит в рамках одной сессии. С этим системы довольно успешно справляются уже много лет.
- Пользователь видит рекламу и переходит на сайт не сразу, а через 2-4 дня или неделю и вдобавок с других источников трафика и только после этого совершает конверсию. В этом случае связь с пользователем в рамках одного источника теряется, в цепочке появляются новые источники трафика, новые касания с брендом. Задача аналитика — не потерять эти касания с брендом и собрать воедино весь путь пользователя от первичного показа рекламы до конечной конверсии. Такой сценарий и называется post-view аналитика.
Отслеживать post-view аналитику стоит по трем основным причинам:
- Важно отслеживать вклад медийной рекламы с точки зрения всех взаимодействий пользователя с сайтом и с брендом;
- Важно оценивать окупаемость медийной рекламы;
- Необходимо не только анализировать весь путь пользователя, но и смотреть на наиболее удачные сценарии с точки зрения медиамикса для дальнейшего медиапланирования. Это помогает понимать, какие-то источники играют вспомогательную роль, а какие — конверсионную. Если суметь отследить наиболее удачные вариации, то можно использовать их для увеличения конверсии на сайте.
📍 Все эти моменты важны для фармацевтической отрасли, учитывая, что за последний год доля медийных рекламных размещений в фарме выросла вдвое — с 9% до 22%.
Какие задачи помогает решать post-view аналитика
В первую очередь post-view аналитика дает возможность разделить всю аудиторию на тех, кто увидел рекламу и перешел на сайт в рамках этой же сессии, и тех, кто после просмотра рекламы не перешел на сайт. Разделение на эти сегменты крайне важно, так как они требуют к себе разного подхода с точки зрения рекламной коммуникации.
Еще одна задача, которую решает post-view аналитика, — это медиамикс. Анализируя всю цепочку взаимодействия пользователя с сайтом, можно определить, в какой последовательности и из каких источников пользователи переходят на сайт и какие целевые действия совершают либо не совершают на нем. Это важно понимать с точки зрения поведенческих паттернов и реакций.
Третий пункт актуален для всех сегментов бизнеса и связан с тем, что пользователи, видя рекламу в интернете, никак себя не проявляют в онлайне и уходят в офлайн. В фарме это довольно большая доля аудитории. Поскольку у всех разное производство препаратов, разное количество упаковок в аптеке, препараты реализуются в разное время и с разной скоростью, придумать работающую механику и проследить за клиентами очень сложно. Но технически, если бы на упаковке был QR-код, который пользователь зафиксирует у себя на телефоне, дальше можно было бы связать эту аудиторию с той, которая увидела баннер и не проявила себя в онлайне.
Как выглядит цепочка взаимодействия с сайтом до фактической конверсии в медийной рекламе
Когда речь не идет о post-view аналитике, рекламодатель видит следующую картину: в начале своего пути пользователи касаются бренда через медийную рекламу, затем их догоняют performance-каналы, пользователи переходят на сайт и конвертируются. В итоге в системе аналитики остаются прямые либо ассоциированные конверсии с медийной рекламы. Учитывая, что у медийной рекламы совершенно другая направленность, оценить вклад медийной рекламы в общую цепочку и отдачу от нее не получается.
Отслеживание post-view аналитики дает возможность отдельно проанализировать источники с точки зрения конверсионности, посмотреть, как они выглядят в цепочке вместе, выделить наиболее удачные вариации среди каналов трафика, сегментировать аудиторию по тому, кто как себя ведет с точки зрения отложенного спроса, частоты переходов на сайт в рамках взаимодействия с баннерами и т.д.
В «Риалвеб» для отслеживания post-view аналитики не подключают дополнительные сервисы и инструменты. Вся работа ведется через Google Tag Manager и Google Analytics. Необходимо связать единым ключом разрозненные данные из GA и GTM. В нашем случае единый ключ — это Client ID. Благодаря этому уникальному идентификатору появляется возможность отследить все взаимодействия с пользователями — от показа рекламы до конечной конверсии, вне зависимости от того, с каких источников и когда произошла конверсия.
Приступая к настройке post-view аналитики, необходимо убедиться в наличии доступа к трем инструментам Google — DoubleClick Campaign Manager, Google Tag Manager и Google Analytics.
Затем нужно настроить интеграцию Campaign Manager и GTM. Для этого в DCM прописывается идентификатор из Google Analytics, а в Google Analytics подтверждается связь между двумя этими аккаунтами.
Следующий шаг — проверка корректности установки Google Analytics и настройки специальных параметров, таких как TimeStamp и Client ID.
После этого можно переходить к настройке Floodlight Activity Tags.
Floodlight Activity Tags — это специальные теги, которые активируются в момент, когда пользователь совершает целевое действие на сайте, и эти действия передаются в Campaign Manager.
Floodlight Activity Tags можно сравнить с целями Google Analytics, разница в том, что цели передаются в GA, а Floodlight Activity Tags — в Campaign Manager. На скриншоте в качестве Floodlight Activity Tags настроены кнопка «Где купить», переходы на партнерские сайты, переходы на карточку товара и т.д. Обязательно настраивается так называемый tag all site, позволяющий отслеживать не только целевые действия, но и любые переходы на сайт.
Следующий этап — настройка для каждого тега Floodlight Activity Variables. Можно настроить от одной до 200 переменных. В конкретном примере настраиваются только 7: Client ID, UTM-параметры и TimeStamp. После этого настройки пушатся и подтверждаются в GTM.
После этого необходимо настроить переменные непосредственно в Google Tag Manager. Названия переменных заключаются в две фигурные скобки. Они настраиваются для того, чтобы получать значения для каждого перехода. Это те же переменные Client ID, UTM-параметры и TimeStamp.
Затем для каждого из запушенных тегов нужно проставить переменные для ключа от u1 до u7 и указать односеансный метод подсчета (тег будет работать один раз за сеанс). Для каждого тега настраиваются триггеры — специальные условия, при наступлении которых данный тег будет передаваться в DCM. На этом настройки закончены, остается опубликовать версию GTM на сайте, и можно запускать нашу рекламную кампанию.
Запуск рекламных кампаний
Запуск рекламных кампаний может выглядеть как на скриншоте. Они могут быть распределены на временной шкале неравномерно, но обязательно будут старт и финиш. На скриншоте также изображена кривая эффекта от рекламной кампании, она имеет затухающую геометрию. Порой хочется собирать и анализировать данные сразу после окончания рекламных кампаний, но лучше подождать некоторое время, чтобы post-view пользователи успели перейти на сайт и совершить или не совершить свои конверсии. Но не стоит и слишком долго тянуть, потому что те данные, которые можно получить из отчета в DCM, доступны только за определенный период, не ранее чем за 60 дней. Предположим, что мы находимся в точке сбора данных и можем приступить к подготовке данных.
Подготовка данных
Отчет из DoubleClick Campaign Manager
Подготовить отчет из DCM можно через DCM API либо напрямую из интерфейса. Но при большом объеме данных обычный экселевский файл может не справиться, поэтому лучше использовать API.
В API необходимо выбрать период, за который нужно выгрузить данные (activity-теги, о которых речь шла ранее ранее). Обязательными параметрами здесь являются переменные Client ID, Source, Medium, TimeStamp. Метрики — Click Through Conversion и View Through Conversion.
Отчет из DCM может выгружаться от одного до двух часов.
Отчет из Google Analytics
Отчет из Google Analytics рекомендуется выгружать по API, чтобы избежать семплирования. В качестве параметров и показателей нужно указать дату, источник, канал, Client ID и TimeStamp.
После выгрузки этих данных получатся две выборки: сверху данные из Campaign Manager, снизу — из Google Analytics. У этих выборок данных одинаковые поля именно по в Client ID. По этому полю и будут объединяться данные. На верхнем скринешоте выделены строки, где не определились Source и Medium. Это произошло именно у post-view конверсиq. Это связано с тем, что UTM-параметры передаются в основном у рекламных источников. А такие источники, как органика, прямые переходы, реферальные, не имеют таких параметров. Соответственно, значение у них будет не определено — undefined.
В выборке из Google Analytics нужно найти Client ID, для которого в Campaign Manager не определился Source и Medium. Затем нужно отыскать соответствие и заменить данные в отчете Campaign Manager на источники перехода из GA. Таким образом получается полная выборка, которую можно анализировать и в качестве post-click, и в качестве post-view.
На основе этих данных можно визуализировать данные. На примере представлена визуализация в Power BI, но можно использовать любую другую систему.
Анализировать данные можно в виде диаграмм и в виде таблиц-воронок.
DCM — это богатый инструмент для представления аналитических данных. В нем также можно анализировать цепочки по источнику или по продукту (кампании).
Про ограничения
К сожалению, в DCM пока нет технической возможности промечать показы в Facebook и Instagram, невозможно прометить их и в поисковом контексте. В остальных источниках, которые указаны в списке, можно. Есть ограничения по бюджету в прометке баннеров «Яндекса».