Étude de cas SEMrush : Pourquoi collecter des données de coût brutes sur les publicités Facebook ?

SEMrush est un service de gestion de la visibilité des sites Web dans les résultats de recherche. Il comprend des plates-formes pour le référencement, le PPC, la gestion de campagnes, le marketing de contenu et la recherche marketing. SEMrush compte plus de 5 millions d'utilisateurs dans le monde et compte eBay, Quora, Booking. com, BNP Paribas et d'autres entreprises parmi ses clients.

Les audiences SEMrush dans chaque région ont leurs propres caractéristiques, et pour attirer les utilisateurs, il ne suffit souvent pas de suivre uniquement les clics sur la publicité. Par conséquent, pour évaluer correctement l'efficacité des campagnes publicitaires, SEMrush a besoin de bien plus que des statistiques sur les clics, les dépenses et les balises UTM.

Dans cet article, l'analyste de données SEMrush Konstantin Perevozchikov explique comment son équipe utilise les données brutes collectées à l'aide du pipeline Facebook Ads → Google BigQuery d'OWOX BI pour analyser l'efficacité des campagnes publicitaires.

Nous avions l'habitude de collecter les données de coût des comptes publicitaires Facebook de deux manières :

1. Importez les données de coût, les clics, les impressions et les balises UTM à l'aide du pipeline OWOX BI Facebook Ads → Google Analytics, puis téléchargez-les dans Google BigQuery via le pipeline Google Analytics → Google BigQuery.
2. Utilisez nos propres scripts écrits par l'équipe SEMrush qui téléchargent certaines données d'un compte publicitaire Facebook vers Google BigQuery.

Cette approche présentait plusieurs inconvénients.

Premièrement, nous n'avons pas obtenu toutes les données dont nous avions besoin. Par exemple, nous n'avons pas obtenu les données sur la région de l'annonce et les données nécessaires pour calculer le coût des actions de l'utilisateur après les vues de l'annonce. De plus, nous avons dû combiner et surveiller manuellement les données de différents comptes et pour différentes dates.

Deuxièmement, nous devions prendre en charge et finaliser notre propre solution afin qu'elle résolve toutes nos tâches de collecte de données et soit prête pour les modifications régulières de l'API Facebook. Pour ce faire, nous devions constamment payer des programmeurs, y consacrer du temps et de l'argent.

Par conséquent, nous avons décidé d'essayer le nouveau pipeline Facebook Ads → Google BigQuery d'OWOX BI. Ce pipeline collecte toutes les données dont nous avons besoin dans un format pratique, surveille leur pertinence et fonctionne immédiatement, de sorte que nous n'avons rien à faire manuellement pour fusionner les données.

OWOX BI télécharge environ 200 champs avec diverses données à partir de comptes publicitaires Facebook.

Ceci est important car chaque produit SEMrush a une équipe de développement et de marketing distincte, et chaque équipe a son propre budget de promotion.

Vous devez compter le coût non seulement de la session, mais également des actions individuelles au sein de la session pour évaluer l'efficacité des investissements publicitaires pour chaque équipe. Et vous devez attribuer des coûts non pas pour une session mais pour une action. De cette façon, nous saurons avec certitude que pour les actions de conversion W, Y et Z, nous avons payé le montant X, ce qui est acceptable pour nous ou non. Ensuite, chaque équipe peut calculer le coût par action (CPA), même s'il y avait plusieurs actions clés dans la même session.

Les données que nous obtenons de Facebook avec OWOX BI nous permettent de créer des analyses approfondies.

Pour ce faire, nous combinons les données de coût avec des données sur le comportement des utilisateurs du site Web (téléchargées par un pipeline OWOX BI séparé) à l'aide de 150 scripts spéciaux. Et plus nos données provenant des comptes publicitaires sont détaillées, plus notre évaluation des actions des utilisateurs est précise.

De plus, le pipeline Facebook Ads → Google BigQuery télécharge les données suivantes qui sont importantes pour notre publicité :

Objectif de conversion — Grâce à ce champ, nous voyons dans quel objectif la campagne publicitaire est configurée et comprenons à quelle étape de l'entonnoir de conversion se trouve l'utilisateur (par exemple, inscription ou essai).

Lien publicitaire — Nous permet d'associer avec précision un point de contact et une publicité spécifique.

Signatures publicitaires sur les bannières — Dans notre travail, nous utilisons la structure profondément intégrée des comptes publicitaires. En signant des publicités sur des bannières, nous pouvons mesurer et marquer les campagnes avec un maximum de détails. Ensuite, nous pouvons déterminer avec précision les objectifs et associer les campagnes aux activités.

De nombreux champs de texte (tels que le nom de la campagne et l'ensemble de publicités) : nous avons écrit des scripts spéciaux qui téléchargent les valeurs de ces champs de BigQuery vers Google Sheets. Ensuite, les spécialistes du marketing les utilisent pour baliser rapidement et avec précision les comptes publicitaires.

SEMrush est un produit international, et il est important pour nous d'analyser l'efficacité de la publicité dans différentes régions. Par exemple, le coût d'un clic aux États-Unis et en Inde est différent. Cela signifie que le CPO final est différent selon les pays.

L'un des principaux avantages du pipeline Facebook Ads → Google BigQuery pour nous est que le pipeline fournit des données à partir d'un compte publicitaire dans différents pays.

En utilisant les données brutes téléchargées depuis Facebook, nous pouvons savoir combien d'argent nous dépensons dans un pays particulier pour des campagnes spécifiques. Ensuite, nous pouvons attribuer des points de contact aux utilisateurs et calculer le retour sur investissement de ces campagnes.

Nous suivons le fonctionnement des publicités en fonction de la géographie de l'audience et pouvons affiner les campagnes par pays.

Le pipeline Facebook Ads → Google BigQuery simplifie grandement le processus d'analyse de l'efficacité des campagnes publicitaires.

• Nous collectons toutes les données dont nous avons besoin, et des scripts supplémentaires ne sont nécessaires que dans des cas particuliers, comme le calcul du coût pour attirer des actions individuelles des utilisateurs.
• OWOX BI télécharge de nombreuses données importantes pour nous, y compris des données cruciales telles que les données régionales qui nous permettent de mesurer la répartition géographique des coûts publicitaires.
• Le pipeline collecte automatiquement les données de tous nos comptes publicitaires Facebook dans une seule table Google BigQuery partitionnée. Cela simplifie grandement l'analyse des coûts.
• Le pipeline surveille la pertinence des données téléchargées. Si les données changent rétrospectivement dans le compte publicitaire, OWOX BI les met à jour dans BigQuery.
• De plus, l'équipe OWOX BI nous a aidés à télécharger les données historiques des trois dernières années à partir de nos comptes publicitaires Facebook. Ainsi, nous pouvons évaluer la dynamique des campagnes ainsi que suivre les changements clés dans le passé qui affectent de manière significative les résultats des campagnes en cours.
• Nous n'avons pas besoin d'impliquer des programmeurs pour configurer la collecte et la consolidation des données, car le pipeline OWOX BI prêt à l'emploi fait tout ce dont nous avons besoin.

Dans un avenir proche, nous prévoyons d'abandonner la plupart des scripts que nous avons écrits et de collecter les données Facebook Ads (ainsi que les données LinkedIn) en utilisant uniquement les pipelines OWOX BI.