Материал взят с ppc.world, автор - Иван Шибаев
Вы замечали, что в разное время суток и в разные дни недели количество заявок и звонков может сильно отличаться? Например, для тематики «продажа недвижимости» конверсия в понедельник в 12:00 равна 5%, а в воскресенье утром — 1%. К сожалению, 90% маркетологов не пользуются этой статистикой.
При этом корректировки ставок по времени помогают в несколько раз увеличить эффективность рекламы.
Так, можно показывать рекламу по повышенной ставке, когда люди действительно готовы оставить заявку или позвонить. Это отличная возможность увеличить количество конверсий, и, наоборот, сэкономить, когда людям не интересна ваша реклама или они не готовы к заявке.
Разберем на практике, как получать больше показов в нужное время и экономить.
Нам потребуется Excel, Google Analytics или Яндекс.Метрика и прямые руки :)
1. Готовим отчет с данными по конверсии в Google Analytics или Яндекс.Метрике
Формируем пользовательский отчет из Google Analytics или Яндекс.Метрики с указанием времени суток и дня недели, с количеством конверсий и коэффициентом конверсии по нужным целям. Рекомендую за основу брать именно заявки с сайта, так как по звонкам коллтрекинг не всегда присылает точные данные. В Analytics переходим в «Специальные отчеты» — «Мои отчеты» — «Добавить отчет».
Можете воспользоваться этим шаблоном пользовательского отчета. При желании добавляем фильтрацию по источнику, если хотите выделить какой-то конкретный канал.
При формировании отчета устанавливаем максимально возможный период для анализа, например, квартал, год, и скачиваем его в Excel. Я брал статистику за год, потому что, чем больше данных, тем точнее анализ.
2. Обрабатываем и анализируем данные
В результате выполненных действий получаем таблицу с данными. В разных столбцах суммируем количество конверсий (если их несколько) и аналогично суммируем коэффициент конверсии (как показано на скриншоте ниже), заменяем день недели 0 на ВС, 1 — на ПН и так далее.
Для получения более точных данных о конверсии рекомендую посчитать стандартное отклонение выборки от суммы конверсий. Это делается с помощью функции СТАНДОТКЛОН.В в Excel: пишем формулу и выбираем диапазон нужных конверсий, в нашем случае это сумма лидов (на скриншоте выше, столбец H). В моей выборке цифра составила 27,94140659, значит, мы не будем учитывать все значения меньше 28 конверсий (просто убираем с помощью фильтра все, что меньше 28).
Считаем среднее значение по коэффициенту конверсии с помощью функции СРЗНАЧ, как на скриншоте ниже, у меня получилось 0,8%.
Далее рассчитываем отклонение от среднего по формуле I150/$I$151 (отклонение от среднего = конкретно взятое значение конверсии в конкретный день и час / среднее по выборке), на скришоте ниже столбец K с получившимися значениями. Для удобства я округлил =ОКРУГЛ(I150/$I$151;1). Протягиваем на весь столбец, предварительно зафиксировав среднее значение с помощью кнопки F4 или проставив знаки доллара.
3. Строим сводную таблицу
Дальше строим сводную таблицу. Выделяем данные и нажимаем «Вставка» — «Сводная таблица», где строки — это дни недели, время — это столбцы, а значения — это получившийся у нас коэффициент отклонения (в значениях отмечаем параметр «среднее значение»). Выбираем всю таблицу и ставим формат ячеек «%». Для удобства можно раскрасить таблицу условным форматированием.
На выходе имеем таблицу вида:
Примечание: там, где указана конверсия 100%, коэффициент конверсии ничем не отличается от среднего — значит никакого повышенного спроса нет. Меньшее значение говорит о пониженном спросе. Конверсия выше 100% означает повышенный спрос в это время.
Наглядно видно, что конверсия в рабочие дни и часы гораздо выше, чем в нерабочие. Применений у такого вида анализа огромное количество: вы можете повышать ставки в рабочие часы, а также запускать или останавливать свои кампании только тогда, когда клиенты готовы оставить заявку.
4. Внедряем полученные данные
Пример, как применить такой анализ в корректировках ставок.
Заключение
В примере анализировались все источники вместе, но можно анализировать и каждый по отдельности. Главное, чтобы выборка была достаточная, и отражала реальную картину коэффициента конверсии.
