Как измерять эффективность на сайтах, где лиды не главное

Итого, имеем отсутствие качественной оценки трафика на сайте.
Какие пути решения?
Первое, что приходит на ум, это — внедрение микроконверсий.
Тут просто внедряем 4,5,…10 микроконверсий, считаем корреляцию с макроконверсией, выбираем самую качественную и оптимизируем кампании на её основе.
Или если данных совсем мало, то в формате теста пробуем оптимизировать РК на основе каждой поочередно (самый отбитый вариант).
Тут возможны две проблемы: микроконверсии могут слабо коррелировать с лидами, так как количество лидов очень мало или по причине того, что эти микроконверсии, сами по себе, не указывают на прямую взаимосвязь с лидами.
Какой есть выход из данной ситуации?

Постановка гипотезы.

Допустим есть 5 микроконверсий и по ним есть некоторое количество статистики достаточной для вывода корреляции с лидами (см. таблицу 1).
В таблице представлены варианты назначения ценности этим конверсиям:

• Вариант 1 — Прямая связь с корреляцией.
• Вариант 2 —  Сначала мы складываем все значения корреляций микроконверсий 0.7+0.67….=2,39 далее мы делим каждое значение корреляции на эту сумму и вычисляем удельный вес микроконверсии.

Стоит отметить, что данные варианты можно умножать на некие коэффициенты, если значение получается слишком маленькое для оптимизации.

Таблица 1 — варианты назначения ценности конверсиям.

Зачем нам столько разных способов?
Тесты!

При получении любого результата всегда можно протестировать новый подход, эта готовая шпаргалка с разными подходами к данному инструменту.

Есть 5 микроконверсий и разные варианты их ценности и веса. Есть лид для которого будет логично оставить коэф 1,2,3.
Получаем новую формулу подсчета вовлеченности.(берем вариант 1)
Показатель вовлеченности = (Лид+A*0.7+B*0.67+C*0.41+D*0.31+E*0.3).
Также мы можем вычислять цену за показатель вовлеченности.

Теперь мы имеем 2 величины
Показатель вовлеченности — метрика, показывающая сумму неких действий, которые мы условно выделили как полезные для нашего сайта, и зависимость их от лида.
Цену за вовлеченность — можно использовать как показатель KPI.

Применение на практике.

Есть некоторый сайт, у которого специфика такова, что услуги представленные на нем можно получить на точках раскиданных по городу, сам сайт несет более информационную задачу, но на нем присутствует коллтрекинг, чат и несколько форм.

Обращение в чат и звонок не являются продажей, по сути звонят и пишут пользователи ищущие консультации от специалиста по цене или по услугам.

Составляющие лида:

• Коллтрекинг.
• Чат.
• Заявки в чат.
• Форма.
• Заказ звонка.

Эталонная конверсия — (Заявки чат + Звонки + Чат + Заказ звонка +Отправка формы)

Микроконверсии:

• MELLO — TargetLoad*.
• Сеанс больше 3 мин.
• Сеанс больше 3 стр.
• Просмотр страниц услуг.
• Просмотр адресов.
• MELLO — Scroll80 — 3*.
• MELLO — Scroll80 — 5*.
• MELLO — Scroll80 — 7*.

На данный момент запущены РК:

• Поиск — достаточно лидов для оптимизации по ним.
• РСЯ и КМС — маленькое количество лидов, не понятно насколько эффективны данные РК.

Вопрос об их остановке поднимался не раз, но не было четкого понимания о качестве трафика приводимого ими.

Далее считаем корреляцию этих микроконверсий с лидом.

Таблица 2 — корреляция микроконверсий с лидами в разрезе РК на поиске,РК в сетях,корреляция на уровне аккаунтов.

Статистика за 153 дня.

Как видно из таблицы 2, у Поисковых РК прослеживается корреляция микроконверсий с лидами, у РСЯ зависимость крайне низкая ввиду маленького количества лидов.

Для оценки качества трафика для РК РСЯ были выбраны 5 микроконверсий выделенных цветом.
Далее в качестве теста им была присвоена ценность согласно подходу “вариант 2.1” см. таблица — 1.
Вариант 2.1 выбран потому, что при подстановке к реальным значениям вариант 2 давал меньшее число в абсолютном значении.
Лид было решено не умножать на коэффициент.
Теперь показатель вовлеченности имеет вид:
(Лид+MELLO — TargetLoad*0.6+Больше 3 мин*0.52+больше 3 стр*0.2+Просмотр страниц услуг*0.3+Просмотр адресов*0.32).

Создаём новые вычисляемые метрики в Аналитикс.

Теперь можем посмотреть на стоимость показателя вовлеченности и на количество вовлеченности на разных уровнях кастомных отчетов Аналитикс.

Статистика за ноябрь.

Уровень аккаунтов.

Уровень РК.

Выделены РК РСЯ.

Уровень Ключей, статистика за 90 дней.

Получается более полная картина о эффективности ключевых слов.

Например при старом подходе мы бы приняли решение об отключении или сильном снижении ставок на ключе 5, но видим, что по стоимости вовлеченности данный ключ превышает средний на аккаунте, но не настолько сильно чтобы его выключать. Зависит конечно от KPI который будет установлен.
Замечено, что есть такие ключи в которых показатель вовлеченности может быть >1, в таком случае стоимость вовлеченности может быть выше стоимости за клики, это решается путем исключения данного массива ключей в системах автоматизации управления ставками.

Еще пример:
Уровень Ключей статистика за 90 дней.

Ключ 1, не заработал Лидов и набрал достаточную статистику, имело бы смысл отключить его, но после введения показателя вовлеченности видно, что достаточно снизить на нем ставку, так как он приводит некоторое количество целевого трафика.

Тест.

Был установлен KPI для стоимости вовлеченности = 200 р.

Написаны правила для установки ставок по охвату для РСЯ РК.

50к — порог в 50 кликов для вхождения в условия.
5%,30%…. — ставка для охвата х% по фразам в РСЯ РК.
Стоит отметить, что ставки до этого теста назначались на уровне 50% охвата, для всех ключей.

На данный момент сложно говорить о результатах, так как охват у данных РК невысокий, для накопления статистики требуется время. Используемые пороги в кликах и в охвате следует корректировать по ходу теста.

Вывод:

Данный подход позволяет оценивать качество трафика, в ситуации когда не хватает макроконверсий.
Также показатель вовлеченности позволяет определить начальный KPI для запуска новых тестов.

*http://mellodesign.ru/blogs/kak-rabotat-s-prostymi-metrikami-google-analytics