Яндекс Директ дает возможность задавать корректировки ставок по времени суток, полу, возрасту, типу устройств и аудитории. В данной статье расскажу, какую логику я использую для определения корректирующих коэффициентов. Хотя в статье я рассказываю о корректировках ставок для Яндекс Директ, для Google AdWords логика будет абсолютно такой же.
Корректировка ставок по дням недели и времени суток
Так как у меня уже накоплена статистика по достижению цели «Форма заявки отправлена», то я беру фактические данные из Метрики. Если вы отслеживаете телефонные звонки, то необходимо учитывать, как заявки с сайта, так и звонки.
В Метрике захожу в стандартный отчет посещаемость, ставлю период 1 квартал и фильтры: источник Яндекс Директ и только те визиты, в которых была достигнута цель «Форма отправлена». Выгружаю полученные данные в Excel таблицу.
Затем захожу в отчет «посещаемость по времени суток» и строю таблицу с теми же параметрами: последний квартал, источник Яндекс Директ и фильтр на тех, кто оставил заявку. Также выгружаю данные в Excel.
В первой таблице, полученной из графика посещаемости расставляю для каждой даты день недели и делаю сводную таблицу. Таким образом я получаю количество обращений по дням недели.
Дальше я нахожу среднее значение и относительно него получаю коэффициенты для каждого дня недели. Затем округляю полученное число до одного знака после запятой. Пример выглядит так:
Формулы: =B2/C9 и =ОКРУГЛ(C2,1)
По времени суток я делаю тоже самое. Нахожу среднее и задаю коэффициенты в зависимости от среднего значения. Пример:
Формулы: =B2/C26 и =ОКРУГЛ(C2,1)
После получения отдельных коэффициентов, я их свожу в одну таблицу, перемножив коэффициент времени суток на коэффициент дня недели и округлив до одного знака после запятой. Таким образом получаю матрицу для корректировки ставок:
Формула — =ОКРУГЛ($B$3*C2,1)
В Директ Коммандере я выбираю нужные кампании, для которых хочу применить корректировки ставок и задаю их в соответствии с таблицей.
Корректировки ставок по полу и возрасту для Яндекс Директ
При наличии достаточного количества конверсий, например, больше 100 в месяц, в Яндекс Метрике я выбираю отчет Посетители -> Демография -> Пол. Выбираю диапазон дат последний квартал и задаю фильтры. Источник данных «Последний источник: Яндекс Директ» и сегмент для сравнения с такими же параметрами, но добавила фильтр для тех, кто отправил заявку.
Выгружаю данные таблицы в Excel.
Проверяю конверсию в среднем и отдельно для мужчин и женщин и процент женщин и мужчин в общем трафике. В моем примере, я получила следующие данные.
67% женщин принесли 61% от общего количества заявок, а 33% мужчин 39% от всех заявок. Мужчины на 30% охотнее оставляют заявки, чем женщины. И, если бы, весь объем трафика пришелся бы на мужчин, то компания бы получила на 19% больше заявок при том же объеме трафика. А если бы все посетители были бы женщинами, то компания бы получила на 9% заявок меньше.
После этого проверяю пользователи какого возраста с наибольшей вероятностью оставляют заявки. Выгружаю информацию из Яндекс Метрики таким же способом, как и по полу и дальше работаю с Excel.
Смотрю конверсию для каждой возрастной группы и сравниваю со средней конверсией. Дальше нахожу процент каждой возрастной группы в общем объеме трафика и процент каждой возрастной группы для тех, кто оставил заявку в общем объеме трафика тех, кто оставил заявку. Звучит сложно, выглядит так:
Возраст | Визиты | Доля тех, кто отправил заявку | % от общего трафика | % от тех, кто отправил заявку | |
Итого и средние | 15543 | 239 | 1.54% | 100% | 100% |
младше 18 лет | 607 | 6 | 6/607*100%=0.99% | 607/15543*100%=4% | 6/239*100%=3% |
18‑24 года | 2269 | 20 | 0.88% | 15% | 8% |
25‑34 года | 4500 | 86 | 1.91% | 29% | 36% |
35‑44 года | 1921 | 35 | 1.82% | 12% | 15% |
45 лет и старше | 6246 | 92 | 1.47% | 40% | 38% |
После этого я применяю коэффициент конверсии каждой возрастной группы к общему объему трафика. И сравниваю количество потенциально возможных обращений при данном уровне конверсии. Получаю такие данные:
Возраст | Визиты | Доля тех, кто отправил заявку | Если все как <18 | Если все как 18-24 | Если все как 25-34 | Если все как 35-44 | Если все как >45 | Корректировки | Округ | |
Итого и средние | 15543 | 239 | 1.54% | 154 | 137 | 297 | 283 | 229 | 1.00 | 1.00 |
младше 18 лет | 607 | 6 | 0.99% | 6 | 5 | 12 | 11 | 9 | 0.64 | 0.60 |
18‑24 года | 2269 | 20 | 0.88% | 22 | 20 | 43 | 41 | 33 | 0.57 | 0.60 |
25‑34 года | 4500 | 86 | 1.91% | 44 | 40 | 86 | 82 | 66 | 1.24 | 1.20 |
35‑44 года | 1921 | 35 | 1.82% | 19 | 17 | 37 | 35 | 28 | 1.18 | 1.20 |
45 лет и старше | 6246 | 92 | 1.47% | 62 | 55 | 119 | 114 | 92 | 0.96 | 1.00 |
В моем случае, я знаю, что мне совершенно не нужна студенческая аудитория, поэтому возраст до 18 и 18-24 я предпочитаю отключить совсем.
Дальше я соединяю корректировки ставок по полу и возрасту вместе и получаю итоговые корректировки ставок.
Возраст | Пол | ||
женский | мужской | ||
0.9 | 1.2 | ||
младше 18 лет | 0.60 | -1.00 | -1 |
18‑24 года | 0.60 | -1.00 | -1 |
25‑34 года | 1.20 | 1.10 | 1.4 |
35‑44 года | 1.20 | 1.10 | 1.4 |
45 лет и старше | 1.00 | 0.90 | 1.2 |
То есть, для возраста до 24 лет показы рекламы отключаю. Для Женщин 25-34 добавляю корректировку ставок +10%, для мужчин того же возраста +40% и так далее. Эти данные я заношу в нужные кампании через Директ Коммандер.
11 комментариев
ЕвгенийДекабрь 16, 2019 в 11:02 пп
а можно подробней описать. что в таблице вториться?
adminДекабрь 17, 2019 в 5:40 пп
Евгений, спасибо за ваш комменатрий, но уточните свой вопрос. Все формулы написаны. Не понятно, что именно вам не понятно.
ЕвгенийДекабрь 18, 2019 в 10:54 дп
Добрый день, в предпоследней таблице не понятно как Вы рассчитали столбцы «Если все как…» и предпоследний столбец тоже не понятен, как Вы получили данные. А в последней таблице как Вы соеденили ставки пола с возрастом. Спасибо.
adminДекабрь 18, 2019 в 10:56 пп
Евгений,
Если все как <18 - Например, 15543 (Все визиты) * 0,99% (Доля тех, кто отправил заявку для младше 18 лет) = 154
Дальше умножаем данные из столбца визиты на коэффициент конверсии этой возрастной группы:
607 * 0,99% = 6
2269 * 0,99% = 22
4500 * 0,99% = 44
и так далее.
В последней таблице:
Младше 18 лет = количество лидов, если весь трафик был бы младше 18 лет (154 шт) / на общее количество лидов (239) = 0,64 и округляю до 0,6.
18-24 года = количество лидов, если весь трафик 18-24 (137) / общее количество лидов (239) = 0,57, округляем до 0,6
и так далее.
В последней таблице умножаю индекс возраста на индекс пола - https://yadi.sk/i/gE_kVjw9LS7-jg
AlexИюль 1, 2020 в 8:57 дп
А как часто обновляете корректировки?
adminОктябрь 21, 2020 в 3:10 пп
В зависимости от проекта и от объема трафика. Чем больше трафика, тем больше данных для анализа и корректировок.
AlexФевраль 20, 2021 в 3:31 пп
Это так же актуально для города, устройств?
adminФевраль 22, 2021 в 9:35 дп
Alex, да, конечно. В статье делюсь своей логикой. Применять ее можно в разных случаях.
AlexФевраль 22, 2021 в 12:29 пп
Отлично, спасибо. Скажите, а вот эти данные — см. крин https://c2n.me/4b30kj6 — для чего, вы как то используете?
adminФевраль 24, 2021 в 1:14 пп
ну так) больше для себя просто. Фактически не использую.
DimfМай 27, 2021 в 12:03 пп
Скажите. не совсем понятно, почему младше 18 лет 0,6 * 0,9 = 0,54. а у вас -1,00?