Готовые сервисы не удовлетворяли наши потребности
Маркетолог, который пытается создать единый отчёт со всеми данными по рекламным кампаниям (РК), сталкивается с рядом проблем:
Отсутствие прямой интеграции между системами
Например, если в Яндекс.Метрике мы можем посмотреть расход бюджета в Яндекс.Директе, то посмотреть там же расход бюджета в Facebook Ads Manager без сторонних сервисов и ухищрений не удастся.
Большие трудозатраты
Скачивание файлов со статистикой из каждого рекламного кабинета, приведение их к общему виду и объединение порой могут занимать больше времени, чем непосредственно ведение РК. В результате у специалиста остаётся мало времени на тестирование гипотез.
Отсутствие оперативности
Эта проблема вытекает из предыдущей: не имея достаточного количества времени, специалист может упустить важные изменения в РК.
Человеческий фактор
Пропущенная строка в скачанном файле, другой формат чисел, неучтённый НДС грозят потерей или неверным подсчётом данных.
Обойти эти проблемы помогают сервисы сквозной аналитики — такие, как Roistat, OWOX BI, CoMagic, Alytics. Мы поработали с некоторыми из них, однако ни один не подошёл для решения наших задач из-за таких ограничений:
Недостаточная гибкость. В большинстве систем нельзя группировать данные по собственным критериям (например, по одному товарному направлению), создавать свои метрики (к примеру, конверсии из оформленных заказов в доставленные заказы) и оперативно подключать дополнительные источники данных.
Потеря информации. В некоторых случаях мы фиксировали расхождение данных между сервисом и рекламным кабинетом.
Узкие возможности визуализации. Функциональности большинства систем недостаточно для создания собственных визуальных элементов — например, данные можно отобразить только в виде таблицы и диаграммы.
Высокая цена. Для некоторых небольших клиентов стоимость подключения сервиса сквозной аналитики может быть сопоставима с рекламным бюджетом.
Столкнувшись с вышеперечисленными нюансами, мы решили создать кастомную систему, которая отвечала бы нашим нуждам, — осталось выбрать инструмент.
Power BI привлёк нас рядом характеристик
Бесплатные коннекторы
Среди наиболее популярных и удобных бесплатных инструментов для визуализации отчётов — Google Data Studio и Power BI от Microsoft.
В итоге мы выбрали Power BI — в первую очередь за большое количество бесплатных коннекторов, позволяющих загружать данные из различных источников.
В Google Data Studio коннекторов меньше, к тому же некоторые из них платные — например, интеграция с Яндекс.Метрикой и Яндекс.Директом происходит через коннектор от Supermetrics.
Автоматический сбор данных
Интеграции настраиваются один раз с помощью коннекторов или скриптов. Затем данные подгружаются автоматически в соответствии с расписанием обновления данных — к примеру, каждый день в X часов X минут.
Раньше, чтобы посчитать конверсию и стоимость лида с Facebook, нам приходилось:
- выгружать статистику по кликам и расходам из рекламного кабинета,
- выгружать данные по количеству лидов, зафиксированных Яндекс.Метрикой по UTM-меткам,
- приводить эти данные к единому виду, где количество лидов делилось на количество кликов — так мы узнавали конверсию канала, а расходы делились на количество лидов — так мы узнавали стоимость лида.
Поскольку данные в Power BI обновляются автоматически, как и показатели по конверсии и стоимости лида, сейчас мы избавились от этих лишних итераций и сократили трудозатраты на отчётность.
Доступность данных в режиме 24/7
Благодаря автоматическому обновлению данных можно сразу анализировать изменения.
Раньше наш рабочий день начинался со скачивания статистики по каждому рекламному каналу и приведения её к общему виду. Теперь же мы сразу приступаем к анализу и внесению необходимых корректировок, а значит оперативнее реагируем на любые изменения.
Точность
Статистика выгружается по API напрямую, без подключения сторонних сервисов и промежуточной обработки, поэтому данные в Power BI идентичны данным из выбранных рекламных или аналитических систем. Это важно: расхождения мешают отслеживать реальную эффективность рекламных каналов.
Например, расходы по медийной рекламе Яндекса не отображаются в Яндекс.Метрике. Или данные по расходам рекламных кампаний из кабинета Google Ads отличаются от тех, что показываются по тем же самым кампаниям в Google Analytics. Случается также, что в рекламных кабинетах не учитывается налогообложение.
На этом примере видно, что данные в рекламном кабинете Facebook совпадают с данными в Power BI:
Данные Facebook
В Power BI мы умножили значения расходов на 1.2, так как в Facebook сумма затрат отображается без учёта НДС
Экономия времени
Отчёт в Power BI настраивается только один раз. Обновляются данные за несколько минут, что позволяет специалисту тратить больше времени на глубокий анализ и принятие решений по оптимизации рекламы.
Теперь мы активнее вносим корректировки по ставкам и дневным бюджетам в разрезе направлений или рекламных каналов — ослабляем те, что с низкой конверсией, и увеличиваем с высокой. Это способствует росту общего количества лидов.
Возможность работать с большим объёмом данных
Просто взгляните на один из наших отчётов:
Эта характеристика позволяет объединять в одном отчёте большое количество направлений в различных срезах: регионов, каналов и других.
