Не бросаем деньги на ветер: как правильно анализировать эффективность лидогенерации в Google Adwords и Яндекс.Директ

в 11:49, , рубрики: Google Adwords, google analytics, growth hacking, Kickidler, Блог компании Kickidler, веб-аналитика, контекстная реклама, Повышение конверсии, яндекс.директ, яндекс.метрика

Не бросаем деньги на ветер: как правильно анализировать эффективность лидогенерации в Google Adwords и Яндекс.Директ - 1

Как известно, рекламные системы Google Adwords и Яндекс.Директ очень просты и дружественны даже к новичкам. Правда обычно эта простота выражается в том, что новичок быстро создаёт рекламную кампанию и радостно просаживает все деньги без серьёзной отдачи.

Особенную опасность несут начинающие интернет-маркетологи, наделённые неограниченным бюджетом, но имеющие план по лидам, которые должны принести рекламные системы. Потому что единственный способ увеличения количества заполнений форма на сайте, который им известен — кинуть в топку рекламной системы ещё денег.

Не бросаем деньги на ветер: как правильно анализировать эффективность лидогенерации в Google Adwords и Яндекс.Директ - 2

По мере обучения люди начинают пользоваться аналитическими системами вроде Google Analytics и Яндекс.Метрика и осваивают техники оптимизации.
Удаляются ключевые слова, не приносящие конверсии, переписываются объявления, вводятся ограничения на время и регионы показа. Лиды начинают стоить дешевле — особенно если набравшиеся опыта начальники наряду с количеством новых интересов добавляют маркетологу в план экономию бюджета.

С точки зрения маркетолога всё хорошо. Он сделал за месяц пятьсот интересов, выполнил план, не превысил бюджет. Можно потратить премию на что-то хорошее.

А потом эти пятьсот лидов попадают в отдел продаж. Менеджеры начинают обзванивать их и потихоньку закипают как чайники.

Не бросаем деньги на ветер: как правильно анализировать эффективность лидогенерации в Google Adwords и Яндекс.Директ - 3

Потому что качество интересов не выдерживает никакой критики.
Половина — частные лица, которые приобретут хорошо если одну лицензию. И то, только после долгих раздумий и вымучивания техподдержки.
Еще треть про продукт уже и не помнят. Им просто понравилось объявление, они под влиянием импульса щёлкнули и заполнили форму. И забыли.

Вот и выясняется, что на самом деле хороших лидов совсем немного, их приходится выискивать в куче мусора. А начальство наседает на отдел, мол, вам же дали столько контактов, где деньги?

Можно, конечно, маркетолог в план поставить не интересы, а объём продаж. Но тогда завоют уже маркетологи. Они тут же скажут, что не имеют никаких рычагов давления на продажников, и отчего же им оставаться без премии оттого, что кто-то не умеет с клиентами разговаривать.

Всё это происходит потому, что в большинстве компаний данные в CRM нет никаких данных о предыстории лидов. Максимум указана исходная кампания (причем весьма общо: «Adwords», «выставка», «рассылка от 12 мая»). А какие конкретно ключевые слова и объявления привели к генерации — никто не знает.
А если бы знали, то можно было бы проанализировать — откуда приходят интересы от частных лиц, какие объявления формируют некачественные интересы, а какие — эффективные и быстро закрывающиеся.

Вот и я однажды понял, что не могу эффективно управлять отдельно лидогенерацией и отдельно продажами. Было принято решение о создании простой аналитической системы.

Для начала была поставлена простая цель — добавить в CRM информацию о конкретном объявлении. Тогда можно было бы строить отчеты — какие объявления эффективны и генерируют рабочие лиды, а какие — мусор.

Первое препятствие состоит в том, что Adwords и Метрика, заботясь о приватности пользователей, не выдают информацию о конкретных конверсиях, вы можете получить доступ только к общей статистике. Поэтому собирать такие данные приходится вручную.

Делается это достаточно просто.

При первом заходе на наш сайт исходная кампания Adwords или Директ извлекается из UTM метки и сохраняется в cookie.
Когда пользователь отправляет нам заполненную форму (а это не обязательно может быть в первый заход на сайт, а в третий или пятый), то информация из cookie об исходной компании отправляется в CRM вместе с именем, почтой и номером телефона.

Дальше в CRM каждому интересу (а впоследствии и сделке) менеджеры по продажам после первичного обзвоню присваивают оценку.

  • 0 — человек вообще не помнит про Kickidler, хотя и заполнял форму;
  • 1 — в интересе нет телефона, на почту пока не ответил;
  • 2 — было интересно контролировать сотрудников на момент заполнения формы, сейчас не актуально;
  • 3 — займусь установкой как-нибудь попозже;
  • 4 — частное лицо;
  • 5 — актуально в течении месяца;
  • 6 — актуально в ближайшее время;
  • 7 — готовы приобрести в ближайшее время.

На основе оценок определяем какие кампании и объявления эффективны, а какие нет. Бесполезные отключаем, работающие оставляем.
Дальше отбираем успешно закрытые сделки и для объявлений, которые сгенерировала интересы для них поднимаем ставки.

Что я получил в результате внедрения такой системы?

  1. Мы платим только за ту рекламу, которая действительно приносит результаты.
  2. Маркетологи могут экспериментировать. Захотят — добавят новые объявления, поменяют ключевые слова. Через 2-4 недели можно оценить эффективность этих изменений. Что работает оставить, остальные убрать.

Сейчас в разработке находится система следующего поколения, которая будет автоматически оперировать ставками в Adwords и Метрике. А это повысит эффективность работы и снизит нагрузку на интернет-маркетолога.

А в конечном счёте повысит эффективность нашего бизнеса.
Чего и вашему бизнесу желаю!

Андрей Игнатов
Руководитель проекта Kickidler

Автор: Kickidler

Источник


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js