20 июня в Москве завершилась конференция Google Think Performance 2017. Участники, включая представителей брендов Volkswagen, «Сбербанка», Nestle и Hoff, обсудили новые технологии и инструменты для омниканального таргетирования аудитории и повышения эффективности рекламных кампаний.
Редакция vc.ru публикует лекции и презентации выступающих.
Вступление
«Performance-маркетинг в 2017 году» — Максим Браверман, руководитель отдела по работе с клиентами Google
Современные пользователи не воспринимают процессы, которые происходят «под капотом» приложений. Взять, к примеру, приложения по вызову такси. Они запоминают, откуда и куда вы едете, где ваш дом, где ваша работа. Например, когда я вечером еду с работы домой, то мне автоматически предлагают домашний адрес.
Этот опыт вы переносите на все другие приложения и сервисы, с которыми работаете. Крупные компании уже умеют персонализировать свои сервисы. И люди, которые ими пользуются, переносят свои ожидания на все остальные продукты.
Поэтому принципиальный момент состоит в том, что ваш продукт с точки зрения клиента не конкурирует в своей категории, он конкурирует со всеми. Неудобно, если в приложении нужно вводить адрес, но сервис его не запоминает — пользователи решат, что с сервисом что-то не так. Пусть даже в вашей сфере никто еще не ввел персонализацию.
Это становится самым главным фактором. Потому что люди в принципе не понимают разницы между всеми этими нововведениями. Это общие вещи, а моя задача — дать больше конкретики. Что становится самым важным с точки зрения пользователя, и какие решения и технологии могут вам помочь.
Поговорим о том, чего хотят люди — чтобы всё было быстрее, более персонализировано и едино на всех устройствах, в онлайне и офлайне.
Давайте начнем с первого. Мы все очень нетерпеливы. Мы ждем доставку сегодня, максимум завтра. Если три дня, то мы ищем уже другой сайт. Если мы в центре заказываем такси, то я уверен, что как минимум половина аудитории, увидев время ожидания 18 минут, отменит заказ и воспользуется другим сервисом. Эти изменения произошли очень незаметно. Но это так.
Можно начать с простых вещей. Мы уже поднимали тему мобильного сегмента. У кого быстро работает мобильный сайт? У кого он открывается меньше, чем за 3 секунды? Я вижу всего несколько рук. Согласно данным Google, 53% пользователей не будет ждать загрузки дольше трёх секунд.
Я замечаю это по своему поведению. Это не только время, это еще и деньги. С каждой дополнительной секундой конверсия продаж падает на 20%. Что делать? Во-первых, проверьте ваш сайт: для этого у нас есть прекрасный сервис.
Чтобы получить более детализированный отчет, наймите профессионалов. В основном все сводится к тому, чтобы оптимизировать скрипты и картинки.
Дальше. Технология, которая раньше использовалась для новостных сайтов — Accelerated Mobile Page. Ее можно узнать по значку молнии. Это открытая технология, которую мы продвигаем, с ее помощью страница загружается мгновенно.
Давайте рассмотрим конкретный кейс Wego. После того, как компания внедрила технологию, у неё на 12% увеличились переходы с поиска: люди знают, что сайт загрузится быстро, и переходят по этой ссылке. И естественно, выросла конверсия — на 49%.
Другая технология — Progressive Web Apps. Благодаря ей сайт взаимодействует с пользователем как приложение, и ему не нужно ничего устанавливать на смартфон. Alibaba уже ввела эту технологию — показатели конверсии выросли на 76%, а количество активных пользователей — на 30%.
Давайте дальше. Все мы сталкиваемся с огромным количеством полей, которые нужно заполнить, — например, в процессе оплаты. Если они большие и сложные, мы просто уходим.
Первая рекомендация — поля не нужны. Я занимаюсь сайтами знакомств и приведу пример из этой сферы. Не нужно спрашивать адрес при регистрации, только если вы не делаете доставку. Странно запрашивать такие данные у человека, с которым вы только знакомитесь. Лучше предложите функцию автозаполнения полей — в Chrome она есть.
Со скоростью закончим. Перейдем к тому, как люди могут быстро работать с приложениями, сайтами и так далее. Всем нужна персонализация. Даже если покупатели нам об этом не говорят, на деле все ждут, что приложение подставит нужный адрес и будет учитывать историю покупок.
63% пользователей ожидают персонализацию на основе предыдущих действий. В качестве примера я всегда привожу механизмы персонализации на Booking.com.
Последний раз, когда я искал размещение по определенными параметрам, сервис понял, что мне не важно, где именно я буду жить — в отеле, в хостеле или где-то еще, ведь я не указал какие-то специфические параметры, которые указывают именно на отель. Поэтому он предложил мне остановиться в семье.
Я остался доволен, хотя изначально не задумывался о такой опции. Персонализация проявляется очень просто: сервис знает, что тебе нужно, и если ты не выбрал какие-то специфические критерии, он сам предлагает другие варианты.
Персонализация начинается с поиска. Давайте представим, что все люди ищут пиццу в Москве. Один человек идет по улице, и ему нужна пиццерия поблизости. Другой ищет с компьютера, и он хочет либо заказать ее на дом, либо забронировать столик в пиццерии.
Третий ищет пиццу в обеденный перерыв — ему потребуется доставка в офис. Это примитивные сигналы: их можно собрать по любому человеку. Но речь не об объеме данных, а о том, как с ними работать.
Что мы все пытаемся сделать? Мы пытаемся на основе предпочтений пользователя понять, сколько денег он может нам принести. Это ключевая задача и маркетологов, и предпринимателей. Многие делают это вручную, но лучше двигаться вперед и использовать передовые технологии. Если машинное обучение способно отличить шарпея от шоколада, то отличить фаната Лепса от фаната Киркорова нейросеть точно сможет.
Многие знают, что мы запустили универсальные кампании для продвижения приложений, которые работают по принципу автоматизации: сами определяют ключевые слова, таргетинги, ставки: делают практически все. Раньше в рекламной индустрии была шутка про кнопку «бабло». Сейчас рекламный продукт движется в эту сторону.
Недавно мы запустили еще один продукт — «умные» кампании в контекстно-медийной сети. Расскажем о кейсе Wildberries. По сравнению с кампаниями статического ремаркетинга, CPO снизился на 25%, а конверсия выросла в 11 раз.
Маркетологам необходимо работать с данными, нам всем нужно разобраться с машинным обучением, и правильно оценивать клиента. Причем идеально, если мы сможем делать это, когда он впервые зашел на сайт.
Продолжим тему тождественности. 62% людей ожидают единого контакта с брендом во всех каналах. Когда вы покупаете билет на сайте, проходите регистрацию в аэропорту, идете сдавать багаж, то ждете, что вас везде будут узнавать. Если у вас есть карточка лояльности, то вам скажут: «Здравствуйте, Максим. Здравствуйте, Ирина». Вы ожидаете, что опыт будет един.
Есть такая игра, когда дети с закрытыми глазами приклеивают ослу хвост. Во время тимбилдинга у одного крупного ритейлера сотрудников попросили наклеить на картинку KPI, по которым они работают.
Получилось более 30 разных KPI. И ладно, если бы они в итоге сводились к одному общему, но нет. Давайте посмотрим, у кого за мобильный сайт, за обычный сайт и за приложение отвечают разные отделы? Ну, в Москве не все так плохо. Почему так происходит? Из-за структуры компаний. Существует огромное количество отделов, и каждый отвечает за что-то свое: кто-то делает охват, кто-то лояльность, кто-то удержание. Как расти, если у всех разные метрики? Никак. Успешный рост происходит тогда, когда все KPI сводятся к одному.
Если брать маркетинг, то все начинается с бюджета. Давайте не будем скрывать это: многие сидят в компании, чтобы открутить бюджет. Дальше — CPA. Это уже более продвинутая вещь. Затем — ROAS, возврат инвестиций.
После — доходность. То есть мы следим за тем, кто какой доход приносит, какая маржинальность у товара. Но это тоже не конец. Сейчас мы приведем стандарт для крупных диджитал-компаний, которые все работают на eLTV.
Это прогнозирование. Когда мы можем вычислить, что человек, который слушает Лепса, может потратить на наш продукт $2 тысячи. И вся кампания работает на этот показатель. По этому оценивают все активности.
Мир до сих пор очень сильно меняется. Мы все ждем экстраординарного сервиса, что все будет происходить моментально, персонализировано и на всех устройствах. Задумайтесь о том, что важно вашим клиентам.
«Как машинное обучение меняет бизнес и маркетинг» — Апраджита Джэн, маркетинг-евангелист Google
У меня нет технического образования. Я маркетолог, точно так же, как многие из вас. Тем не менее, у меня достаточно квалификации, чтобы использовать в работе машинное обучение и снять покров тайны с этой технологии.
Развитие машинного обучения связано со сферой искусства, но я покажу вам примеры из других сфер. Итак, для начала скажите мне, кто узнает автора этой картины?
(Голоса из зала): Рубенс, Вермеер, Рембрандт.
Кто-то сказал «Рембрандт»? Действительно, очень похоже. Но эту картину нарисовала нейросеть. Мои коллеги создали алгоритм, который проанализировал несколько сотен полотен этого художника и нашел общие паттерны.
Алгоритм обратил внимание, что чаще всего Рембрандт рисовал белых бородатых мужчин в возрасте 30-40 лет в белых воротниках. И самое интересное, на большинстве его картин они смотрели в правую сторону.
Алгоритм собрал все изображения и нарисовал свое собственное. В этом и заключается сила машинного обучения. Если бы Рембрандт увидел это своими глазами, он либо пришел бы в восторг, либо огорчился, опасаясь потерять свой бизнес.
Сейчас давайте разберемся в терминологии. Многие путают машинное обучение и глубокое обучени, нейросети и так далее.
- Искусственный интеллект — широкое понятие, который обозначает процесс, когда компьютеры выполняют человеческие задачи. Проще говоря — наука создания «умных» вещей.
- Машинное обучение — метод ИИ, при котором алгоритмы обучаются не с помощью правил, а автоматически на примерах.
- Глубокое обучение — техника машинного обучения, где алгоритмы располагаются слоями, которые имитируют шаблоны обучения человеческого мозга — нейросети.
Шесть-семь лет назад, если программист хотел чему-то научить алгоритм, то ему приходилось вручную добавлять новые правила — «если», «то» и так далее. Сегодня программисты отказались от этого устаревшего метода.
Технология обучения искуственного интеллекта — это глубокое обучение. Представьте себе сеть маленьких мозгов. Мозг человека состоит из разных слоев, которые уложены друг на друга, как лазанья. Информация от органов чувств проходит через каждый слой, и человек может распознавать образы или звуки.
Точно так же мы учим компьютеры. Слой за слоем мы тренируем их различать разные образы, фильтруя информацию. Например — отличать кошек от собак.
Предположим, у нас есть тысяча изображений кошек и тысяча изображений собак. Нейросети разбивают их на фрагменты, сканируют и находят признаки — общие для кошек и общие для собак. Например, тип носа, форма морды, расположение глаз и так далее.
После завершения обучения у нейросети достаточно информации, чтобы определить, кто перед ней — кошка или собака.
В этом заключается сила машинного обучения. Но глупо было бы использовать их для решения таких тривиальных задач, с которыми может справиться и человек. Поэтому мы используем их там, где у человека нет времени или желания что-либо анализировать.
Мы разобрались с тем, как все работает. Теперь поговорим поподробнее о том, как машинное обучение используется в Alphabet, а также во всех продуктах Google, в том числе и рекламных.
Google появилась в 1998 году. До 2012 года мы не использовали машинное обучение, а сейчас в директориях компании хранятся более четырех тысяч уникальных проектов с искусственным интеллектом.
Это много. Причем этот процесс происходит не только в Google — все больше компаний в составе Alphabet начинают использовать в своих продуктах машинное обучение.
Одна из них — DeepMind. Она разрабатывает самообучаемые системы ИИ. Вы когда-нибудь играли в аркады Atari? Сотрудники DeepMind поставили перед системой только одну задачу — набрать максимальное количество очков в игре Breakout. Ей не объяснили правила, не рассказали о том, что попадание в верхние кубики приносит больше очков. Всему этому ей пришлось научиться самостоятельно.
Сперва действия компьютера были хаотичными — он часто промахивался, терял шарик. Спустя 120 минут компьютер играл как эксперт и не упускал шарик. Через 240 минут после начала обучения компьютер начал «рыть туннель» — целенаправленно целиться шариком в одну точку, чтобы попасть в пространство между верхним оранжевым слоем и стенкой и набрать максимум очков.
Чтобы «додуматься» до этого и научиться играть как эксперт, машине потребовалось всего четыре часа. И в этом сила машинного обучения.
Как вы думаете, сколько атомов в видимой вселенной? Правильный ответ — 10 в восьмидесятой степени. Слышали о китайской игре го? Там используется поле 8х8 клеток. Как вы думаете, какое возможное количество комбинаций существует в начале игры? Правильный ответ — 10 в стосемидесятой степени. Это невообразимое число. Тем не менее, программа AlphaGo просчитала их, и в 2016 году одержала четыре победы над одним из лучших гоистов в мире — Ли Седолем.
Теперь остановимся на машинном обучении в продуктах Google. Все они так или иначе используют искусственный интеллект. Особенно — «Переводчик Google». Когда он появился 10 лет назад, то поддерживал всего две языковые пары. Сегодня — более 100 языков и 145 миллионов слов, включая имена собственные. Над ним работает более 200 инженеров, и он становится лучше с каждым днем.
В мире существует две бизнес-модели — это модель Apple и модель Google. Apple выпускает замечательные, совершенные устройства — смартфоны и ноутбуки. Высокая производительность, замечательный дизайн.
У компании философия завершенности — мы выпустили продукт, и больше никто не может его менять. Он останется таким, какой есть, до следующего обновления. У Google другая философия — мы выпускаем открытые системы и продукты, которые ежедневно становятся лучше благодаря пользователям.
Давайте поговорим о маркетинге. Мой первый вопрос — как вам удается успевать за изменяющимся поведением покупателей? Например, я больше не смотрю только телевизор. Когда я сажусь перед экраном, у меня на коленях ноутбук, а в руках — смартфон.
Вы не знаете, чем именно я занимаюсь и куда направлено мое внимание. Отсюда второй вопрос — как вы можете убедиться в том, что каждый доллар, который вы тратите на маркетинг, расходуется эффективно? Ведь если вы не докажете руководству или клиенту эффективность компании, то почему они должны выделять бюджет? Как вы можете это доказать? И наконец, как правильно таргетировать аудиторию, как выбрать правильные ключевые слова, каналы продвижения?
Digital-маркетинг состоит из восьми этапов:
Рекламные продукты от Google позволяют выбрать ключевые бизнес-цели и указать, какая именно аудитория вам нужна. С помощью искусственного интеллекта они сделают все остальное и дадут ключевые результаты.
Мы строим гипотезы, что пользователь принимает решение о покупке, увидев, например, видео на YouTube. Это справедливо для одного человека, но другой — сперва ищет информацию в поиске, затем переходит на сайт и покупает. В реальности у каждого клиента есть свой уникальный маршрут, который приводит его к покупке.
Раньше мы могли собрать только демографическую информацию и информацию о психотипе человека. Сейчас все стало на порядок сложнее, и на принятие решения о покупке влияют такие факторы, как тип устройства, время суток, просмотренные видео, использованные приложения и так далее.
Машинное обучение позволяет учитывать все параметры и предлагать нужное рекламное объявление в нужный момент времени, отсекая лишнее. Приведу простой пример. В Японии компания McDonald's столкнулась с проблемой — прибыль падала и руководство не знало, что с этим делать.
С помощью искусственного интеллекта маркетологи компании разработали мобильную рекламную кампанию. В смартфоне каждого человека около 16 различных сенсоров. Они взяли за основу данные о геолокации и погоде и создали таргетированные объявления.
Например, если смартфон пользователя сигнализировал о том, что в его городе тридцатиградусная жара, то у него всплывало объявление «Жара и пляж станут лучше со стаканом Coca-Cola». Если в этот день шел дождь, то ИИ ждал, когда он прекратится, и демонстрировал такое объявление: «Дождь кончился. Может, пора выйти на улицу?».
Показывая ситуативные кастомизированные объявления, компания заинтересовала клиентов и увеличила выручку.
«Предиктивный маркетинг в действии» — Нил Хойн, руководитель направления аналитики Google
Секция Performance:
«Digital-реклама способна на большее: главные новинки года» — Илья Сидоров, специалист по новым продуктам и решениям Google
Мы говорили о поисковых запросах, о пользователях, теперь настало время понять, как с этим работать. Какие продукты должны появляться, чтобы работать с пользователями, чтобы лучше их конвертировать.
Расскажу о себе. Меня зовут Илья Сидоров. Я работаю с продуктами и решениями компании Google уже более шести лет. Я принадлежу к поколению Y, мне исполнилось 33 года, и недавно у меня родилась дочка, наступает новая жизнь.
Вы, наверно, думаете, что я тот парень, который любит рассказывать о себе. Возможно, это правда. Но с каждым новым фактом вы узнаете больше о том, что мне можно предложить, и как лучше продать мне тот или иной товар или услугу.
И если мы делаем это с вами в офлайне, то почему бы не делать это в онлайне? Первый вопрос, естественно — как узнавать о пользователе всю эту интересную информацию и факты, если они нам ничего не рассказывают сами?
На самом деле, рассказывают — с помощью своих поисковых запросов. Это то, чем они интересуются и какие у них возникают проблемы, вызовы, жизненные ситуации. Это очень много о них говорит.
Все чаще люди используют поиск не как справочник, а как инструмент: как сделать что-то, когда им требуется помощь, нужно решить какую-то проблему — это 87% пользователей смартфонов.
Но только треть характеризуют свой опыт взаимодействия с брендами в этом случае как полезный. Маркетологи хотели бы изменить эту ситуацию — как же сделать так, чтобы максимальное количество взаимодействий с нашими брендами были полезными?
То, что нам поможет — это информация о пользователе. 15 лет мы рекламировались на поиске по ключевым словам. Мы надеялись, что пользователь, который ввел запрос, найдет нас и сконвертируется.
На самом деле, чтобы сделать человеку лучшее предложение, нужно знать его портрет, а еще лучше — контекст, в котором он находится. Окружение, жизненные ситуации — то, что его характеризует.
По факту мы всегда говорили не столько о пользователе, сколько о его устройстве, потому что у него могут быть разные смартфоны, разные ноутбуки, компьютеры, разные браузеры, сервисы, разные cookie.
Единой картинки, чтобы увидеть его портрет целиком, у нас не было. У нас спрашивали — вот у вас есть Google Login и семь сервисов, которые поддерживают авторизацию — Gmail, YouTube, «Поиск» и так далее. Когда же эти данные будут использованы в таргетинге и аналитике?
Последний год мы много над этим работали и постепенно интегрировали кросс-девайсные и кросс-канальные данные в наши рекламные и аналитические продукты.
Начнем с первого продукта, который у нас появился — это кросс-девайс ремаркетинг. Вот вы видите троих пользователей. Их объединяет то, что они все используют Google и недавно были на сайте Virgin Experience Days — компании, предлагающей подарки-впечатления.
Особенности этого сервиса заключаются в том, что там очень широкая тематика, которая постоянно обновляется. Если мы не знаем пользователя, то не знаем, что ему показать — конверсия будет низкой.
Решение — динамические поисковые объявления, позволяющие работать с семантикой, но это не новость. Новость — это комбинация динамических поисковых объявлений с кросс-девайс ремаркетингом на поиске. Такой тандем позволил увеличить уровень конверсии на 230% и уровень ROI на 90%.
Кросс-девайс ремаркетинг уже работает: если вы делаете ремаркетинг на поиске Google, то вы таргетируете кросс-девайс автоматически.
С ремаркетингом все понятно, но как расширить аудиторию и привлекать новых пользователей, которые будут покупать так же как лояльные? Здесь на помощь приходит машинное обучение. Расскажу о новых продуктах, которые мы недавно запустили. Это во-первых, похожие аудитории на поиске. Похожие аудитории были у нас в сети достаточно давно, но на поиске — это другая механика.
Здесь считывается поисковое поведение и используются элементы машинного обучения. Используется большое количество сигналов, чтобы идентифицировать пользователей, которые с большой долей вероятности будут конвертироваться.
Вот пример — Fiat Chrysler Automobiles запустили новый автомобиль. Здесь для ремаркетинга большого смысла нет. Если пользователь проявил интерес к автомобилю, оставил заявку, можно найти похожую аудиторию. Это позволило увеличить CTR на 11%, а конверсию — на 22%. Этот продукт уже доступен у всех.
Еще один свежий продукт — это аудитории заинтересованных покупателей на поиске. Он тоже использует машинное обучение. Мы идентифицируем на поиске Google тех пользователей, которые готовы покупать ваши товары и услуги. Эта функция только начинает тестироваться в закрытом доступе. Подключение таких аудиторий уже повышает уровень конверсии на 10%.
Помимо кросс-девайса есть ещё и кросс-канальность, а помимо поиска — еще и контекстно-медийная сеть. Сегодня мы готовы анонсировать два больших таргетинга, основанных на использовании кросс-канальных данных по аудиториям для рекламы на YouTube.
Это привычки пользователей и такой таргетинг как «важное событие в жизни». Они основаны на данных комплексной истории — что, когда и как ищет пользователь, а также данные других сервисов Google, таких как «Карты».
Кто часто посещает определенные типы магазинов, рестораны и кафе в определенное время. Все это можно таргетировать для рекламных кампаний на YouTube.
Другой вид таргетинга — это важные события в жизни. Прежде всего — свадьба, переезд, окончание учебы и выход во взрослую жизнь. У нас уже есть кейс Tele2, которая успешно его протестировала. Компания таргетировала пользователей, которые находятся в состоянии переезда именно сейчас, и показывала этой аудитории свою видеорекламу. Запоминаемость рекламы была на 50% выше, а намерение перейти на тариф Tele2 на 25% выше, что для видеорекламы — замечательные результаты.
«Как соединить онлайн и офлайн и повышать эффективность в многоканальном мире» — Юрий Берченко, руководитель отдела по работе с ключевыми клиентами ритейл-сектора Google
Свое выступление хочу посвятить тому, как связать офлайн и онлайн. Начнем с летней тематики. У кого есть дача? Кто уже успел провести там пару выходных, что-то сделать?
Я недавно присоединился к вашему дружному клубу владельцев небольшого участка, и клубу любителей что-нибудь отремонтировать, построить, посадить или купить.
Став дачником, я понял, насколько многообразен ассортимент строительного гипермаркета. Для меня теперь это все обрело смысл. У нас на даче был интересный случай — мы обнаружили, что под забором есть дыра, через которую удрала наша кошка. Ее зовут Пуля: она полностью оправдывает свою кличку.
Пришлось привязать ее на поводок и думать, как решить проблему. К нам подошла мама супруги и предложила поехать на строительный рынок, что-нибудь найти там, придумать, заклеить, прибить и так далее.
Но не тут-то было. Мой брат и его супруга Диана дружно встали вокруг дырки и начали искать информацию в интернете. Мы открыли для себя целую вселенную возможных решений. Можно заделать ее грунтом, досками, шифером, можно обложить декоративным камнем, и так далее.
Мы решили заделать сеткой. Продолжаем поиски — какую сетку выбрать, где ее купить? Не будем же мы бегать по всему району. Зашли на сайт гипермаркета, увидели цену и ближайший магазин. Поехали, купили, решили проблему.
Это пример того, как изменилась модель жизни. Люди, жившие до интернет-эпохи и мобильной эры, предпочитали изучать и покупать товары на месте — им было роще пойти на рынок, прицениться, пообщаться с другими людьми и продавцами.
Сегодня мир меняется: мы предпочитаем обратиться к нашему мобильному другу, который даст нам ответ на любые вопросы. И уже со знанием дела приехать и купить то, что нам нужно.
Мы провели исследование, опросив почти три тысячи респондентов по стране: «Если вы собираетесь совершать покупку, будете ли вы искать информацию в онлайне?» 63% людей ответили утвердительно.
Они будут искать информацию в онлайне, смотреть форумы, видео, соцсети. Понятное дело, что этот показатель в разных отраслях разный. В сегменте туризма он достигает 95%. В сегменте электронной и бытовой техники — 80%.
Ниже среднего он в сегменте продуктов и косметики, что в принципе логично: когда нужно выбрать крем или помаду, то проще прийти в офлайн, потому что там можно и текстуру посмотреть, и цветовую гамму изучить.
Что же является главной движущей силой этих изменений? Мобильная революция. Это как раз наш пример с дачей. У нас с собой не было компьютеров, мы искали информацию со смартфонов. Сегодня в России у семи из десяти человек есть смартфоны. Среди аудитории старше 25 лет смартфоны есть у 90% человек.
Мы осознаем эту важность и, например, недавно запустили на российский рынок новый продукт, который называется «Отслеживание звонков-конверсий». Этот продукт позволяет бесплатно отслеживать конверсию входящих звонков с рекламных объявлений Google или вашего сайта. Также есть возможность измерить длительность вызова и код города звонившего, что особенно ценно, так как звонки имеют разную значимость для бизнеса в зависимости от продолжительности и географии.
Мобильная революция уже наступила. Но почти 95% всего ритейла в России происходит в офлайне. Главное для рекламодателей — отслеживать влияние офлайна на онлайн и наоборот.
Есть компания, которой это удается — «М-Видео». Раньше у нее было две отдельные команды: одна занималась офлайн-направлением, другая — онлайн. Они редко пересекались, но жизнь идет, время меняется, потребитель меняется. Компания осознала это.
Почти половина всего трафика на их сайт — не десктопный, а со смартфонов и планшетов. Более 60% клиентов оплачивают товар в онлайне и едут забирать его в магазин. А среди тех, которые покупают в офлайне, более 50% предварительно заходили на сайт компании и изучали товары.
«М-Видео» смогла создать единую информационную базу, соединив онлайн и офлайн. Как они это сделали? С помощью карты лояльности. Сегодня это как воздух для ритейла. Все собирают карточки. Пользователь, когда совершает в офлайн-покупку, на кассе оставляет свою карточку, и мы знаем, что по номеру его можно найти в CRM-системе.
Затем нам нужно узнать его электронную почту, и тогда с помощью Google Analytics мы увидим его поведение в онлайне: какие каналы он использовал, какие разделы сайта посещал.
Анонсирую еще одно решение на российском рынке — Store Sales Direct в AdWords. Оно позволяет импортировать электронную почту и значение офлайн-транзакций напрямую в AdWords, минуя другие системы.
Представим, что вы владелец небольшого магазина товаров для дома. К вам приходит покупатель, приобретает картину, оставляет адрес электронной почты. Вы в простой электронной таблице фиксируете факт покупки, указываете, что именно приобрел покупатель, стоимость покупки, а также полученный адрес электронной почты.
После загружаете электронную таблицу напрямую в Google AdWords и система определяет, сколько офлайн-покупателей до этого кликали на вашу рекламу в Google, и сколько в итоге прибыли это принесло. Так вы без особого труда сможете понять ценность онлайн-рекламы в Google для вашего офлайн-бизнеса.
Таким образом вы можете таргетировать свою онлайн-рекламу на пользователей, которые предпочитают покупать в офлайне, и не упускать их из виду.
В завершение моего доклада ещё раз подчеркну, что главная особенность сегодняшнего потребителя заключается в том, что он ищет в онлайне, но покупает в офлайне. На рынке уже есть инструменты, которые позволяют учесть это в маркетинге и измерить эффект на инвестиции.
Главная задача бизнеса — правильно использовать эти инструменты и правильно определять единые показатели эффективности, за которые будет отвечать команда маркетинга.
«Демо: повышение эффективности бизнеса с Google Analytics 360» — Надав Москович, менеджер по работе с партнёрами Google Analytics 360
«Обзор новых инструментов Google AdWords для решения различных маркетинговых задач» — Константин Найчуков, эксперт eLama.ru
«Комплексный подход к оптимизации кампаний. Как уменьшить CPA на 20% и увеличить количество заявок» — Регина Коржева, руководитель дирекции интернет-маркетинга «Почта Банк»
«Универсальные кампании 2.0» — Санджар Исмаилов, менеджер по работе с ключевыми клиентами и разработчиками Google
«Использование конверсий по показам для оценки эффективности рекламы на YouTube» — Мария Беликова, менеджер проектов OZON.ru
«Интеллектуальная атрибуция на основе данных» — Станислав Видяев, аналитик сектора развития экспорта Google
Секция Performance for Branding:
«Как работает маркетинг Google? Инновационный подход и смелые эксперименты» — Анна Дробаха, руководитель отдела операционного маркетинга Google
«Как связать офлайн-продажи с онлайн-коммуникацией. Кейс VW» — Елена Грабчак, Google, Елена Крылова, VW, Елена Адаменко, Itella Connexions
«Аудиторные новинки YouTube: кросс-девайс, поиск и другие сигналы таргетинга» — Александр Бобков, менеджер направления продуктовых решений Google
«История успеха Tele2 с таргетингом по жизненным ситуациям» — Дмитрий Стиран, Google Завен Аванян, Tele2
«Персонализация рекламы: маркетинг, основанный на данных» — Анна Мусихина, L'oréal Russia, Юлия Ицикзонайте, Google
«Поиск как стратегический канал построения FMCG-бренда на примере кампаний Nestle и Google» — Наталья Тихомирова, Кристина Медведева, Google, Рикардо Оритц, Purina
«Эффективность YouTube по сравнению с другими СМИ в медиамиксе "Сбербанка" – результаты эконометрического исследования» — Екатерина Атанасян, Business Intelligence Group, Анатолий Лукашин, «Сбербанк»
«Геоэксперимент: как оценить влияние видеорекламы на онлайн- и офлайн-конверсии. Опыт компании Hoff» — Марина Ковпак, руководитель отдела интернет-маркетинга Hoff
«Электронная коммерция для FMCG бренда. Опыт Huggies» — Мария Голубева, руководитель ecommerce-направления Kimberly-Clark
«Использование YouTube и ремаркетинга в КМС для стимулирования продаж автомобилей через платформу CarPrice» — Андрей Заволока, менеджер по работе с ключевыми клиентами Google
