История успеха

Raymond Chabot: на 13.5% больше заявок и на 86% больше звонков из Google Ads благодаря атрибуции SegmentStream на основе машинного обучения

В этой статье вы узнаете, как Click & Mortar, инновационное агентство по работе с данными, оптимизировало эффективность интернет-продвижения для своего клиента, компании Raymond Chabot, применив мультиканальную атрибуцию на базе машинного обучения SegmentStream – и полностью автоматизировав процесс построения аналитики.

Оставить заявку
Raymond Chabot: на 13.5% больше заявок и на 86% больше звонков из Google Ads благодаря атрибуции SegmentStream на основе машинного обучения
Название компании: Raymond Chabot
Сфера: Консалтинговые услуги по вопросам реструктуризации
Местоположение: Канада

“Изначально, мы искали решение по мультиканальной атрибуции, но мы рады, что открыли для себя кое-что большее.”

— Raymond Chabot

Компания Raymond Chabot:

Raymond Chabot (raymondchabot.com) – это крупнейшая сеть, объединяющая финансовых консультантов по вопросам реструктуризации и лицензированных поручителей по вопросам неплатежеспособности. Компания находится в Квебеке и уже более 40 лет помогает людям расплатиться с долгами, ежегодно обрабатывая почти 12,000 досье. Консультанты являются специалистами в таких сферах, как личное банкротство, корпоративное банкротство и корпоративная реструктуризация. Деятельность организации получила признание среди кредиторов, налоговых органов, финансовых учреждений, а также в бизнес-сообществе. 

Компания Click & Mortar: 

Click & Mortar (clicketmortar.com) – это инновационное digital-агентство, расположенное в Монреале, Канада. Агентство помогает лидирующим компаниям на рынке Квебека ускорить темпы развития бизнеса, предлагая целый спектр интернет-маркетинговых услуг, от консультаций по выработке digital-стратегии до глубокого анализа данных и performance маркетинга. 

Поставленная задача:

Таргетированная контекстная реклама в сфере консалтинга финансовой реструктуризации является высококонкурентной средой.  Цена за клик достигает 200 долларов, а цена ошибки при оптимизации рекламной стратегии может оказаться огромной. Тем не менее агентство Click & Mortar, ответственное за ведение интернет-рекламы компании Raymond Chabot, проделало великолепную работу по оптимизации рекламной стратегии в Google Ads, чтобы добиться максимальных результатов. 

Кампании по контекстной рекламе были оптимизированы по конверсиям телефонных звонков (с помощью системы коллтрекинга CallRail) и заполнению лид-форм на сайте (с помощью трекинга Google Analytics). Данные по двум видам конверсий были затем добавлены в Google Ads из Google Analytics, используя модель атрибуции по последнему непрямому клику. Кроме того, звонки, поступившие после размещения рекламы в Google Ads, были засчитаны в качестве добавочной конверсии тех пользователей, которые не посещали веб-сайт, но решили позвонить по номеру, указанному в результатах поиска Google.

Однако, даже применяя эту расширенную настройку, команде пришлось преодолеть ряд других проблем, которые не получилось бы эффективно решить при помощи стандартного набора функционала Google Ads и Google Analytics. 

  • Проблема #1: Сложности с грамотной оптимизацией кампаний медийной рекламы. Рекламные кампании, относящиеся к верхней части маркетинговой воронки, очень важны для повышения узнаваемости бренда Raymond Chabot. Они имеют огромное значение при продвижении потенциальных клиентов по воронке продаж. Тем не менее, применяя модель атрибуции по последнему непрямому клику, такие рекламные кампании практически не получают ценности. В случае применения стратегии Target CPA, кампании медийной рекламы сместились бы к нижней части маркетинговой воронки (ретаргетинг), в то время как кампании, относящиеся к верхней части маркетинговой воронки (awareness), не отображались бы совсем. В то же время, при применении стратегии Limited CPM, рекламные баннеры не отображались бы вовсе. 
  • Проблема #2: Кампании контекстной рекламы имели проблему ограниченной обучаемости в связи с малым объемом конверсий по модели атрибуции Last-non-direct-Click. Это довольно распространенная ситуация для нишевого бизнеса с дорогостоящими лидами: конверсий попросту недостаточно, чтобы внедрить алгоритмы машинного обучения в Google Ads и других рекламных системах. Было ясно, что Google Ads необходимо получить больше сигналов о результативности рекламных кампаний и объявлений за определенный период, чтобы автоматическая оптимизация кампаний наконец заработала.


В компании Click & Mortar поняли, что основная проблема кроется в модели атрибуции, и, чтобы обеспечить грамотную оптимизацию, им следовало отказаться от LNDC-атрибуции, применив мультиканальный подход, способный оценить реальную эффективность каналов и кампаний, включая кампании  медийной рекламы в верхней части маркетинговой воронки. В то же время, технология мультиканальной атрибуции должна была помочь в решении проблемы ограниченного количества конверсий для использования автоматических алгоритмов Google Ads.

Так команда Click & Mortar начала искать решение своей проблемы и нашла SegmentStream.

Описание решения:

SegmentStream – это платформа для сбора и обработки данных, которая помогает маркетинговым командам собирать и унифицировать все маркетинговые данные в единый отчет с применением мультиканальной атрибуцию на базе машинного обучения, чтобы определить реальную эффективность источников трафика. 

С помощью SegmentStream, клиенты могут автоматизировать маркетинговую отчетность и оптимизировать ROAS по всем каналам, благодаря использованию мультиканальной атрибуции на базе машинного обучения. 

Платформа SegmentStream показалась компании Click & Mortar идеально подходящим решением, и начался процесс внедрения . 

Архитектура решения SegmentStream для Raymond Chabot

Шаг 1: Сбор данных о поведении пользователей в режиме реального времени 

Для настройки мультиканальной атрибуции на базе машинного обучения сначала следует собрать несемплированные данные о поведении пользователей на сайте.

Благодаря функционалу Data Streams, этот процесс занимает не больше 5 минут. JS-трекер SegmentStream автоматически перехватывает все данные, направленные в Google Analytics, и передает информацию о поведении посетителей веб-сайта и заполненных лид-формах напрямую в облачное хранилище Google BigQuery.  

Шаг 2: Сбор данных о звонках из системы коллтрекинга CallRail

Raymond Chabot использует динамическую систему коллтрекинга CallRail для того, чтобы понять, какие из посетителей веб-сайта решили связаться с компанией по телефону вместо того, чтобы заполнить лид-форму на сайте. 

Поскольку система CallRail уже была интегрирована с аккаунтом Google Analytics компании , мы импортировали необходимые данные о звонках из Google Analytics в Google BigQuery, используя готовую интеграцию SegmentStream. Это заняло еще 5 минут . 

Админ-панель SegmentStream с подключенными источниками данных 

Шаг 3: Подсчет рекламных расходов из всех рекламных кабинетов

Для построения мультиканальной атрибуции рекламные расходы не являются обязательным компонентом, однако они необходимы для анализа кросс-канальных показателей ROAS и CPA. Click & Mortar ведут рекламные кампании на трех крупнейших платформах: Google Ads, Facebook, Microsoft Ads (Bing). 

SegmentStream уже интегрирован со всеми этими платформами, так что эта часть реализации проекта была успешно завершена буквально за несколько минут. После подключения всех рекламных аккаунтов, SegmentStream запустил автоматический ежедневный импорт данных по кликам, цене и показам в хранилище Google BigQuery.  

Таким образом, завершилась финальная стадия процесса сбора данных. Все необходимые данные для построения маркетинговой отчетности теперь были консолидированы и доступны в едином хранилище. 

Шаг 4: Прогнозирование конверсий на основе паттернов поведения пользователей

Сбор всех данных в BigQuery дал возможность настроить модель атрибуции SegmentStream на базе машинного обучения, которая предсказывает количество звонков и лидов на основании исторических данных о поведении пользователей на веб-сайте. 

Если кратко, ML - модель  SegmentStream предсказывает вероятность совершения конверсии для каждого отдельного посетителя сайта. В  дальнейшем, эта информация используется, чтобы определить ценность каждой сессии и построить модель мультиканальной атрибуции. 

Прогнозирование вероятности конверсии для каждого пользователя 

Если вы хотите узнать больше о том, как работает модель атрибуции SegmentStream на базе машинного обучения, мы рекомендуем обратиться к этой подробной статьe.  

Важно отметить, что для каждого веб-сайта модель машинного обучения SegmentStream кастомизируется, чтобы получить наиболее точные расчеты, учитывая, что поведенческие паттерны и конверсии сайта могут быть разными.  

Шаг 5: Построение мультиканальной маркетинговой атрибуции

Когда нам известна вероятность покупки для каждого посетителя веб-сайта, мы можем посчитать ценность каждой сессии, с учетом изменений вероятности совершения конверсии в течение сессии. 

Оценка вклада каждого источника трафика в совершение конверсии

К примеру, у посетителя сайта в начале сессии вероятность совершить конверсию была 10%, а в конце сессии, когда пользователь покинул сайт,  – вероятность была уже 25%. Это означает, что ценность сессии составила +15% в продвижении посетителя сайта к конверсии. 

Для упрощения расчетов, проценты вероятности совершения конверсии переводятся в десятичные значения. Таким образом, +15% приравниваются к 0.15 пунктам, +38% равны 0.38 пунктам соответственно.

Ключевым фактором является понимание реальной ценности всех маркетинговых каналов 

С помощью приведенного способа можно проанализировать реальную ценность каждой сессии в “баллах”. Чем выше балл, тем выше ценность сессии. Что еще более важно, каждая сессия получает количественную оценку в баллах, даже если она не привела к конверсии. Таким образом, баллы являются сигналом, который можно использовать при применении рекламных инструментов вместо показателей итоговой конверсии, что приведет к улучшению стратегий при автоматизированной оптимизации. 

Если вы хотите узнать больше о работе модели атрибуции SegmentStream на базе машинного обучения, мы очень рекомендуем вам прочитать эту статью.

Шаг 6: Подготовка отчетов в Google Data Studio для сравнения результативности маркетинговых кампаний по моделям атрибуции  

После того как все данные были собраны, унифицированы, и проанализированы с применением мультиканальной ML-атрибуции SegmentStream всё было готово для подготовки отчетов для команды Click & Mortar. Отчеты были созданы в Google Data Studio: у этого BI-инструмента понятный интерфейс и нативная интеграция с Google BigQuery. 

Первый отчет помогает оперативно понять общую картину результативности маркетинга по всем каналам и кампаниям, в то время как второй отчет позволяет команде Click & Mortar глубоко проанализировать показатели по источникам трафика на микроуровне, а также сравнить количество полученных конверсий по разным моделям атрибуции: LNDC-атрибуции и  ML-атрибуции.

Пример отчета SegmentStream: Marketing Overview (демо данные)

Пример отчета SegmentStream: Сравнение моделей атрибуции (демо данные)

Шаг 7: Отправка результатов расчетов ML-модели атрибуции в Google Ads

После получения полностью автоматизированных отчетов, команда Click & Mortar наконец смогла увидеть реальную картину, а также проанализировать результаты рекламных кампаний, сравнив эффективность LNDC - модели атрибуции  и мультиканальной атрибуции на базе машинного обучения.   

Однако, возник вопрос: “Как нам действовать, опираясь на эти инсайты, учитывая тот факт, что мы не управляем рекламными ставками вручную, а используем автостратегии в Google и Facebook?”

Итак, следующий шаг реализации проекта: интегрировать результаты мультиканальной атрибуции SegmentStream в набор рекламных инструментов с целью улучшения автостратегий закупки рекламы. Команда Click & Mortar решила начать с Google Ads, главного рекламного канала для Raymond Chabot.    

Поскольку у SegmentStream есть прямая интеграция с Google Ads для экспорта кастомной атрибуции, сделать это очень легко. 

Импорт конверсий в Google Ads, по расчетам внешней атрибуции

Шаг 8: Смена рекламной стратегии Google Ads на новую целевую CPA-стратегию 

На финальном этапе, после настройки экспорта кастомной атрибуции, рекламные кампании в Google Ads переключились на новую целевую CPA-стратегию без лимита по ставке, основанную на конверсиях, импортированных с помощью SegmentStream, вместо конверсий по последнему непрямому клику. 

Новая стратегия была применена к 7 рекламным кампаниям в Google Ads, составляющим 50% месячного рекламного бюджета. Таким образом, было легко сравнить результаты оптимизации с другими кампаниями, которые не использовали новую целевую CPA-стратегию.

Результаты:

Результаты говорят сами за себя: 

  • CPA снизился на 8.4%
  • Общее количество лидов увеличилось на 13.5%
  • Количество прямых звонков, полученных от рекламы, увеличилось на 86%

Ключевые результаты:

  • Мультиканальная атрибуция SegmentStream позволила в должной мере раскрыть потенциал кампаний на верхнем этапе маркетинговой воронки, которые оказывают большое влияние на последующие конверсии. Это позволило Click & Mortar грамотно применить целевую CPA-стратегию для кампаний по медийной и контекстной рекламе. 
  • Конверсии по LNDC в Google Analytics были заменены на дробные конверсии, основанные на предиктивной атрибуции SegmentStream, что позволило увеличить количество сигналов для рекламы Google Ads практически в 7 раз, повысив уровень обучаемости по сравнению по LNDC-атрибуции, что позволило Google Ads значительно быстрее оптимизировать автоматические CPA-стратегии.  
  • После применения SegmentStream, Raymond Chabot удалось полностью убрать ограничение на предельную ставку; для некоторых пользователей цена за клик теперь достигает $200. Тем не менее, такая агрессивная стратегия ставок приносит свои плоды: теперь Google может более точно таргетировать пользователей, которые наиболее склонны к совершению конверсии, и тем самым достигать наилучших результатов.

Полный процесс внедрения проекта занял чуть больше месяца, в основном в связи с тем, что понадобилось три недели, чтобы собрать достаточный объем данных для обучения модели машинного обучения. Ни со стороны клиента, ни со стороны агентства, не потребовалось привлекать разработчиков или специалистов по работе с данными.

Отзыв клиента:

Изначально, мы искали решение по мультиканальной атрибуции, но мы рады, что открыли для себя кое-что большее. SegmentStream действительно помогли нам увидеть реальную картину нашего маркетинга, собрав все данные в единый отчет, которые мы теперь используем ежедневно. 

Во время нашего сотрудничества, команда SegmentStream представила функционал Data Destinations, чтобы автоматически отправлять результаты расчетов мультиканальной ML-атрибуции  в рекламные кабинеты, тем самым замыкая цикл оптимизации рекламных кампаний. Нам было очень интересно провести эксперимент и увидеть результаты собственными глазами. 

Поскольку Google Ads является основным рекламным каналом для Raymond Chabot, мы решили начать с него. Мы выбрали 7 рекламных кампаний, на которые приходится половина нашего рекламного бюджета, и настроили их с учетом новой стратегии оптимизации, предложенной командой SegmentStream. 

С момента начала эксперимента прошел уже месяц, и мы наблюдаем устойчиво-положительные результаты. Для нас это не сюрприз —  уже на начальной стадии, перед запуском эксперимента, было очевидно, что в теории эта идея должна сработать. Мы рады, что подтвердили свою гипотезу, и можем объективно измерить результат на основе реальных данных. 

Сейчас, проведя успешный эксперимент с  Google Ads, мы будем следовать такой же стратегии для оптимизации рекламы в Facebook и Microsoft Ads. Мы с нетерпением ждем результаты этих экспериментов, и мы определенно будем инвестировать больше времени в оптимизацию рекламных кампаний на основе инсайтов, полученных от использования ML-атрибуции SegmentStream.

— Olivier J. Bergeron, партнер-учредитель, компания Click & Mortar

Вас также может заинтересовать

Все истории успеха

Начните работу с SegmentStream

Оставьте заявку на персональную демонстрацию!