Сделаем главный вывод, который последует из статистически достоверных данных, приведенных в этой статье:

Чем выше средний CTR на поиске, тем ниже эффективность контекстной рекламы.

Теперь попробуем доказать это положение.

Задача: Найти такие статистические показатели, которые в наибольшей степени свидетельствовали бы об эффективности контекстной рекламы. Т.е. которые наиболее приближены к показателю ROMI. С математической точки зрения это означает, что необходимо вычислить коэффициент линейной корреляции между ROMI и статистическими показателями.

Во-первых, определим, по каким группам будут считаться коэффициенты корреляции. Здесь под группой подразумевается группировка по какому-либо параметру. Это могут быть ключевые фразы, группы объявлений, кампании, аккаунты, агентские аккаунты (в которых может быть много клиентских аккаунтов), регионы, время показа и т.д. и т.п. Словом, все те группировки, по которым можно суммировать данные.

Во-вторых, определим, что с чем сравнивать. Конверсии и клики – это абсолютные показатели. А вот глубина просмотра, CTR, неотказы, время на сайте – это усредненные показатели для группы в целом. Чтобы перевести усредненные показатели в абсолютные, нужно умножить их на количество кликов. Сведем данные в таблицу:

Абсолютные показатели Усредненные показатели
Клики (C)
Конверсии (L) Коэффициент конверсии (L/C)
Количество просмотренных страниц (D*C) Глубина просмотра (D)
Количество неотказных кликов (Y*C) Неотказы (Y=1-отказы(%)/100)
Суммарное время на сайте (t*C) Среднее время на сайте (t)
CTR * количество кликов (CTR*C) CTR

Почти все абсолютные величины имеют вполне реальный смысл. И только произведение CTR на количество кликов (CTR*C) не имеет смысла. Но по аналогии с остальными величинами она определена как произведение этой усредненной величины на количество кликов.

Теперь определим основную величину, наиболее близкую к ROMI. При наличии данных по ценности каждой конверсии в качестве такой величины может выступать произведение количества конверсий на усредненную по данной группе ценность этих конверсий, деленное на расходы (обозначим их A). В отсутствие данных по ценности конверсий будем исходить из предположения одинаковой ценности конверсий. Тогда в качестве величины, наиболее близкой к ROMI, будет выступать количество конверсий, деленное на сумму расходов (L/A = 1/CPA, где CPA – это цена достижения цели). Именно эту величину и будем в дальнейшем исследовать на предмет корреляционной связи с другими величинами. Поскольку мы делим абсолютную величину (L) на сумму расходов (A), то вполне логично исследовать на предмет корреляционной зависимости с этой величиной не только относительные величины (CTR, глубина просмотра, время на сайте и т.д.), но и абсолютные величины, деленные на сумму расходов. Сумма расходов, деленная на количество кликов, есть не что иное, как цена клика (CPC). Таким образом, будем искать коэффициенты линейной корреляции величины 1/CPA со следующими величинами:

– CTR;

– глубина просмотра (D);

– среднее время на сайте (t);

– неотказы (N);

– CTR/CPC;

– D/CPC(это величина, обратная стоимости просмотра одной страницы сайта);

– t/CPC(это величина, обратная стоимости 1 секунды, проведенной на сайте);

– N/CPC(это величина, обратная стоимости каждого неотказного клика);

– 1/CPC(это величина, обратная стоимости каждого клика);

В качестве данных бралась статистика за 2017 год. Результаты этих расчетов сведены в следующие таблицы:

По всем клиентам агентства Импульс:

Показатель r
1/CPC 0,7
D/CPC 0,4
CTR/CPC 0,3
D (глубина просмотра) 0,0
CTR -0,1

По всем кампаниям одного из клиентов агентства Импульс:

Показатель r
1/CPC 0,9
Y/CPC 0,9
D/CPC 0,8
t/CPC 0, 8
D (глубина просмотра) 0,1
CTR/CPC 0,0
Y (неотказы = 1 – отказы(%)/100) -0,6
CTR -0,6
t (среднее время на сайте) -0,8

 

По всем кампаниям еще одного из клиентов агентства Импульс:

Показатель r
1/CPC 1,0
Y/CPC 1,0
D/CPC 0,9
t/CPC 0,5
CTR/CPC -0,3
Y (неотказы = 1 – отказы(%)/100) -0,7
CTR -0,8
t (среднее время на сайте) -0,8
D (глубина просмотра) -0,8

где r – это коэффициент линейной корреляции соответствующего показателя с величиной 1/CPA.

Выводы, которые можно сделать из этих расчетов:

  • Наибольший коэффициент линейной корреляции получается у усредненных показателей, деленных на CPC.
  • За критерий качества ни в коем случае нельзя брать ни один из усредненных показателей (CTR, глубина просмотра, время на сайте, неотказы). Коэффициенты корреляции этих величин с величиной 1/CPA в подавляющем большинстве являются отрицательными величинами. Это означает, что чем выше эти усредненные величины, тем ниже эффективность контекстной рекламы. Причины, по которым это происходит, изложены в статьях Борьба за спецразмещение – путь к банкротству и CTR.

Также обратим внимание на взаимосвязь эффективности и роста оборота. Есть предположение (правда, не подтвержденное статистикой), что эффективность контекстной рекламы и успешность продаж в первом приближении практически не зависят друг от друга. Можно иметь очень сильный отдел продаж и при этом иметь невысокую эффективность контекстной рекламы. А может быть наоборот – рекламодатели получают практически максимальную эффективность контекстной рекламы, но, вследствие отсутствия активного отдела продаж, агентство имеет не достаточный рост оборота. На мой взгляд, эффективность, предоставляемая рекламодателю, гораздо более важна, чем рост оборота агентства. Думаю, что если бы удалось вычислить коэффициент линейной корреляции между ROMI и ростом оборота, то он был бы близок к нулю. Впрочем, повторюсь, это предположения, не основанные на статистически достоверных данных. Наличие или отсутствие такой взаимосвязи может подтвердить только сам Яндекс.

Оставьте Комментарий