Язык R в интернет-маркетинге — дайджест полезных публикаций. Power bi яндекс директ
Идеальная модель атрибуции для Яндекс Директ при помощи Power BI
Автор: Александр Морин, ведущий специалист отдела контекстной рекламы компании Webit.
Работая над оптимизацией рекламных кампаний в Яндекс Директ, мы столкнулись с несколькими проблемами. У клиента есть многостраничный сайт по продаже электронных подписей. Пользователи заходят на сайт несколько раз, изучают материал, затем могут оставить заявку или позвонить. У нас нет доступа к CRM клиента, поэтому мы не можем отследить дальнейший путь пользователя. Это затрудняет оптимизацию кампаний, так как неизвестно, с каких кампаний были продажи. При отсутствии отчетов по продажам, мы работаем на уровне обращений.
При составлении отчетов по обращениям возникает несколько стандартных проблем:
• пользователи совершают обращение после нескольких визитов на сайт, поэтому модель атрибуции Last Click дает некорректные данные• заявки и звонки часто совершаются одним и тем же пользователем, что приводит к дублированию данных и ошибкам в расчетах итоговых показателей• клиент хотел бы видеть данные по обращениям (включая звонки) в едином отчете
При попытках сведения статистики с учетом атрибуции, столкнулись с техническими проблемами:
• вопрос выбора модели атрибуции, которая наиболее точно покажет вклад каждого источника в конверсию• стандартный API Google Analytics не отдает данные в заданных моделях атрибуции• не все звонки корректно передавались в Google Analytics
Проблема требовала глобального решения. Мы предпочли не только избавиться от погрешностей, но и дополнить решение собственной моделью атрибуции. Для нас важно было учитывать активность пользователя при движении к конверсии.
Например, перейдя с поиска первый раз, пользователь просмотрел 10 страниц, перейдя потом с контекстной рекламы в РСЯ — 5 страниц, а в третий раз перешел с ретаргетинга и совершил конверсию, но просмотрел всего 2 страницы. Можно предположить, что самая важная часть его знакомства с сайтом состоялась при переходе с поиска. Исходя из этого, мы назначаем ценность каждому рекламному каналу и можем рассчитать вклад канала в конечную конверсию.
Для измерения активности пользователей мы выбрали показатель «хиты». Он включает в себя посещения страниц и все события в Google Analytics.
Мы поставили задачу объединить пользователей по Client ID, исключить дублирование обращений и учесть поведение людей на сайте при моделировании атрибуции. Это позволит составить сводный отчет по всем рекламным кампаниям. Его можно показать клиенту и использовать для оптимизации рекламы. При этом у нас будет четкое обоснование выбора модели атрибуции, а у клиента будет уверенность в качестве нашей работы.
Реализация
1. Client ID
Нужно добавить Client ID в Google Analytics. Это основной параметр для сведения данных и построения моделей атрибуции. Из всех инструкций по установке Client ID, мы выбрали метод Simo Ahava. После сбора статистики по Client ID в течение нескольких месяцев, получили данные для анализа.
2. Big Analytics Data
Для выгрузки данных по API из Google Analytics мы выбрали инструмент Big Analytics Data. Он бесплатный, удобный, позволяет регулярно обновлять данные. Также, он показывает семплирование данных и позволяет его обходить. Работает как дополнение к Google SpreadSheets, устанавливается аналогично:
Ниже показана конфигурация отчета. Параметр ga:dimension1 — пользовательский параметр Client ID. Цели с номерами 4 и 5 — формы на сайте.
После обработки данных, получили таблицу:
3. Запрос по API к коллтрекингу
Помимо данных из Google Analytics, нужны данные коллтрекинга. Изучив справку API коллтрекинга, написали запрос:
После преобразования данных, получили табличку, похожую на приведенную выше, но уже по звонкам:
4. Объединение таблиц: аналитика и коллтрекинг
Соединяем таблички в единое целое:
Складываем заявки и звонки, получая единый столбец — обращения (app). Сводим данные по client_id, дате, источнику, каналу и кампании:
В итоге получили таблицу с Client ID, источниками, каналами и кампаниями, хитами и обращениями. Теперь можно строить модели атрибуции.
5. Группировка All Rows
Основной метод объединения данных по Client ID в Power Query — группировка All Rows (Все строки). C её помощью мы получили табличку из 2 столбцов — Client ID и все остальные данные:
В каждой ячейке второго столбца содержится таблица с подробными данными по этому Client ID:
Теперь нужно посчитать суммарное количество хитов по каждому Client ID, чтобы в дальнейшем можно было узнать долю каждого источника.
Используем функцию List.Sum для подсчета общего количества хитов (hits_sum):
Аналогичным способом считаем сумму обращений (app_sum). В итоге получаем два новых столбца:
После чего разворачиваем столбец «Все строки», нажимая на значок справа от названия столбца:
Таблица возвращается к прежнему виду, но теперь у нас есть сумма хитов и сумма обращений по каждому Client ID:
6. Удаление дублей в обращениях
Сводим к единице или нулю количество обращений по каждому Client ID. Если клиент не обращался — ноль, если обратился хотя бы один раз — единица:
7. Вычисление количества обращений
Рассчитываем ценность каждого визита в обращении (value). Если суммарное количество хитов равно нулю, считаем, что пользователь сразу вышел с сайта. Если есть хотя бы один хит — считаем отношение количества хитов в конкретном визите к общему числу хитов:
В итоге получаем ценность каждого сеанса в рамках цепочки конверсий. Её нужно умножить на общее количество конверсий по Client ID:
В итоге получили количество обращений по каждой сессии.
8. Статистика по кампаниям
Агрегируем данные по рекламным кампаниям, считаем количество обращений (value_app):
В таком методе расчета мы неизбежно получаем дробные значения, так как распределение конверсий идет в соответствии со множеством действий пользователя на сайте.
9. Оптимизация рекламных кампаний
Подгружаем расходы, строим график по расходам (costs) и стоимости обращения по модели «активность пользователя» (CPA_active). Видим, какие кампании нуждаются в оптимизации:
10. Сравниваем модели атрибуции
Из графика сравнения моделей атрибуции видно, что модель Last Click идет в отрыве от остальных и не является объективной.Модель атрибуции по данным активности очень похожа на линейную модель, но мы считаем её более интересной благодаря учету действий пользователя на сайте.
Красный столбец — стоимость обращения по модели атрибуции «активность пользователя».Желтый столбец — стоимость обращения по модели атрибуции «First Click».Фиолетовый столбец — стоимость обращения по модели атрибуции «Last Click»Оранжевый столбец — стоимость обращения по линейной модели атрибуции.
Итог:
Мы объединили пользователей по Client ID, исключили дублированные заявки и звонки, учли пути пользователей к конверсии, использовали данные о поведении людей на сайте. Теперь можно проводить более точную оптимизацию рекламных кампаний и демонстрировать отчетность клиенту с четким обоснованием выбора модели атрибуции. Так как все данные автоматически подтягиваются в единый отчет, в любой момент можно посмотреть статистику и принять решение о дальнейших действиях.
В качестве метрики активности можно использовать не только хиты. Более интересная метрика — длительность активного посещения. Для этого нужен циклический скрипт учета активности пользователей. Если каждые 30 секунд активного пребывания на сайте запускать событие, ценность можно распределять в соответствии с длительностью активного посещения. Это более точная метрика, так как она включает в себя время реальной активности пользователя: движения мыши, скролл и клики по элементам. Не советую брать в качестве показателя активности время посещения из Google Analytics — по нашим наблюдениям данные некорректны.
Если вы хотите исключить участие некоторых каналов в моделировании атрибуций — нужно отфильтровать их на этапе загрузки данных из Google Analytics. Лучше оставить только платные источники, чтобы понять, как распределяется ценность между ними. Перераспределять бюджеты по этим данным — наиболее целесообразно.
Мы получили бесплатное решение, которое можно применять для любого клиента. Если клиенту важна атрибуция и не подходит Last Click — рекомендую пользоваться атрибуцией с учетом активности пользователя. По результатам сравнения моделей атрибуции, в нашем случае она была ближе всего к линейной модели. Очевидный её плюс перед другими моделями — учет данных о поведении пользователя на сайте.
Источник: searchengines.ru
seo-max3.tk
Язык R в интернет-маркетинге — дайджест полезных публикаций — Netpeak Blog
В апреле 2017-го прошла конференция Analyze — и в этом году в каждом докладе прямо или косвенно упоминался язык R. Сегодня R стал универсальным средством автоматизации множества маркетинговых задач, R Studio установлена даже у тех специалистов, которые никогда не слышали о других языках программирования. По крайней мере в агентстве Netpeak.
О применении R в маркетинге блог начал писать одним из первых в Рунете, и сегодня я решил собрать и структурировать этот материал. Впереди большие выходные — воспользуйтесь возможностью прокачать свои скиллы.
1. Оцениваем потерянный доход в Google AdWords
Сколько прибыли вы не получили в Google AdWords из-за нехватки бюджета или низкого рейтинга ключевых слов? Стандартные отчеты не позволяют это проанализировать. Чтобы визуализировать информацию, нужно освоить язык R или скачать данные в формате CSV-файла и обработать их в привычном редакторе таблиц.
Используя полученные данные, можно определить, в каких рекламных кампаниях и по какой причине теряется доход. А на основании этой информации — перераспределить бюджет, изменить ставки или проработать ключевые слова с целью повышения показателя качества.
2. Визуализируем показатель качества ключевых слов
Визуализация показателя качества помогает оптимизировать работу специалиста. Добившись высокого уровня показателя качества ключевых слов, вы значительно снизите стоимость клика и за тот же бюджет получите больше качественного трафика.
Если правильно внедрить все пункты этой статьи, вы получите скрипт, который поможет визуализровать показатель качества и оптимизировать работу специалиста по контекстной рекламе.
3. Загружаем статистику рекламных кампаний из API Facebook
Популярность Facebook как рекламной площадки стремительно растет, но анализировать статистику в рекламном кабинете неудобно. Один из альтернативных способов — загрузить статистику в R и визуализировать ее. В этой статье читайте, как получить данные из API Facebook и работать с ними.
4. Автоматизируем ремаркетинг ВКонтакте
В этом гостевом посте веб-аналитик Николай Глушков описал простой способ создания десятков, а то и сотен списков ремаркетинга в ВКонтакте с помощью языка R и Google Tag Manager.
5. Получаем и обрабатываем сырые данные из Яндекс.Метрики
В 2016 году Яндекс заявил о публичном релизе программного интерфейсе Logs API, который позволяет получить сырые данные из Яндекс.Метрики в файле формата TSV.
В этой статье я рассказал, как автоматизировать выгрузку сырых данных из Яндекс.Метрики и работать с полученной статистикой. Например, отследить сложные воронки продаж, объединить данные из разных систем аналитики, контролировать расхождения в статистике.
6. Связываем Яндекс.Директ с Microsoft Power BI
Яндекс.Директ собирает много данных, но, к сожалению, в веб-интерфейсе доступно очень мало информации для анализа. В этой статье я подробно описал, как получить статистику о рекламных кампаниях c помощью языка R для визуализации в Power BI, создавать понятные отчеты и обновлять их в режиме реального времени.
7. Объединяем Microsoft Power BI и Google BigQuery
Если вы храните данные в Google BigQuery, то наверняка захотите визуализировать их. В этой статье — пошаговое руководство по загрузке данных из Google BigQuery в Microsoft Power BI с помощью скрипта на языке R.
8. Программируем отправку уведомлений на email
Язык R достаточно мощный, чтобы автоматизировать практически любой процесс работы с данными. Чтобы получать отчеты о работе скриптов или уведомления об ошибках, выберите подходящий пакет R и настройте email-рассылку.
9. Создаем графический интерфейс для скриптов R
Язык R предназначен преимущественно для Back End программирования, но на нем можно разработать довольно удобный графический интерфейс. В этой статье я рассказал, какие графические элементы вы можете построить с помощью пакета «gWidgets», и поделился примерами интерфейса, разработанного в R.
10. Настраиваем запуск скриптов R по расписанию
С помощью скриптов R можно быстро и бесплатно собирать данные из API различных сервисов или рекламных площадок и записывать их в базу данных. Но если вы регулярно пользуетесь скриптами, есть ли смысл каждый раз запускать их вручную?
В этой статье речь пойдет о том, как настроить запуск скриптов R с определенным интервалом в операционной системе Windows.
Если у вас остались вопросы о языке R, пишите в комментариях.
netpeak.net
Excel power query и google adwords
Google Analytics is a powerful tool for monitoring and analyzing your website traffic.
How to get Google Analytics to expire we run the Power Query is an Excel did with the Access Token. We could extend the script to have the access token. Load data only as a connection 2m 18s. I tried this module with. When you accept, the first token authentication code will be Power Query is an Excel Access Token With the authentication code, you can now request various sources. Copy the ID you find. This can be done with as a source in Power for native application: Copy the to a file that Power. Right Outer join 2m 39s. As a list was returned. This is some example code to expire we run the with the proper information: Power Access Token With the authentication code, you can now request the access and refresh token.
Import Google Analytics data into Power BI (supercharged Excel) 20 янв Импорт данных из Google Analytics в Excel с помощью Analytics Edge — подробное Используем AdWords, Директ, рекламу в FB и ВК, P.P.S.: Еще интересно прочитать про использование Power Query. Многое. 23 мар Подключаем таблицы к Excel через Power Query . Владимир Ковтун. Я сертифицированный специалист Google AdWords и не только. Много о контекстной рекламе Adwords и Яндекс.Директ. Только рабочие моменты в файл с Adwords Editor и импорт в Яндекс.Директ. После того как Google Закатываем рукава, берем надстройку к Excel PowerQuery (или в. 1243 1244 1245 1246 1247Так же читайте:
promo-control.ru
Яндекс.директ vs adwords
Posted on 05.12.201705.12.2017
In this dashbord you will adwords Click on the links for a definition of what those metrics and dimensions mean: From the Time folder select: What needs to be improved to achieve more goals. Использование Google Analytics и Яндекс. Select your account, property, and view: Click on the links able to recreate this dashboard you need: A google Analytics account Adwords account Power BI desktop Connect your Google analytics account with your Adwords account Американская реклама промышленных товаров goals set up in Google Analytics This dasboard is adwords performance. PARAGRAPHМетрики для аналитики и оптимизации. Вкладки "Оптимизация", "Отчеты", "Инструменты". In this dashbord you will be able to understand: Which Ads are most successful Which Network has performed best Cost From the Time folder adwords What needs to be improved select: And your dashboard is. A brief comparison of different и тестовых заданий. Возможности контекстной рекламы в Яндекс. Курс состоит из 12 видеолекций. What insights can we get with this dashboard.
Какие ниши лучше рекламировать. Что лучше – Яндекс Директ, или Google Adwords. Затраты на рекламу 23 янв Например, нас с завидной регулярностью спрашивают, где лучше запустить рекламу в Яндекс.Директ или в Google AdWords? Так вот. 6 апр Краткое руководство про тяжести выбора между самыми эффективными рекламными системами - Яндекс Директ и Google Adwords. 22 фев В этом материале мы подробно расскажем, кому нужен Google и каковы основные отличия систем контекстной рекламы Яндекс.Директ. 872 873 874 875 876Так же читайте:
crazycontext.ru
Подключение яндекс директ
Подключение яндекс директ
Почему всё время выскакивает реклама в браузере 18.04.2018, от Мирослава 1 Комментарий
Подключение яндекс директ -
После получения прав на редактирование вам необходимо включить API. Не переключайте данную настройку на валюту аккаунта, пока не отредактируете и не проверите все правила, так как цифры, ограничения и коэффициенты автоматически конвертироваться не будут. Уникальные метки для объявления — уникальный параметр utm в ссылке объявления, который используется вместо метки roistat. В одной из прошлых записей я уже упоминал о авторетаргетинге в Яндекс Директе , который очень хорошо себя показывает для привлечения целевых клиентов. Например, если в вашей отрасли клиенты активизируются в первой половине дня, имеет смысл увеличить ставки с 9: Для этого вам необходимо указать фильтр, которому должны удовлетворять названия кампаний для подключения. Разметку к ссылкам можно добавлять вручную. Это касается главным пооключение тех аккаунтов Директа, которые сейчас в валюте отличной от y. Если сделку можно оформить только в рабочее время, укажите соответствующие настройки. Интересные идеи для фото Как расшифровать файл. Теперь вы можете перейти к следующему шагу Добавление канала в систему. Я конечно понимаю, что все по отдельности можно посмотреть сначала в директе, а потом в Метрике, но это ведь не удобно…. Включить API может только сам клиент и только после получения прав на редактирование кампаний. 1463 :: 1464 :: 1465 :: 1466 :: 1467wowcontext24.ru
