Caso di studio SEMrush: perché raccogliere dati sui costi grezzi su Facebook Ads?

SEMrush è un servizio per la gestione della visibilità dei siti web nei risultati di ricerca. Include piattaforme per SEO, PPC, gestione delle campagne, marketing dei contenuti e ricerche di mercato. SEMrush ha più di 5 milioni di utenti in tutto il mondo e conta eBay, Quora, Booking. com, BNP Paribas e altre società tra i suoi clienti.

I segmenti di pubblico di SEMrush in ogni regione hanno le proprie caratteristiche e, per attirare gli utenti, spesso non basta tenere traccia dei clic sulla pubblicità. Pertanto, per valutare correttamente l'efficacia delle campagne pubblicitarie, SEMrush ha bisogno di molto di più delle statistiche su clic, spese e tag UTM.

In questo articolo, l'analista di dati di SEMrush Konstantin Perevozchikov racconta come il suo team utilizza i dati grezzi raccolti utilizzando la pipeline Facebook Ads → Google BigQuery di OWOX BI per analizzare l'efficacia delle campagne pubblicitarie.

Raccoglievamo i dati sui costi dagli account pubblicitari di Facebook in due modi:

1. Importa dati di costo, clic, impressioni e tag UTM con l'aiuto della pipeline OWOX BI Facebook Ads → Google Analytics, quindi caricali in Google BigQuery tramite la pipeline Google Analytics → Google BigQuery.
2. Utilizza i nostri script scritti dal team di SEMrush che carica determinati dati da un account pubblicitario di Facebook su Google BigQuery.

Questo approccio presentava diversi inconvenienti.

Innanzitutto, non abbiamo ottenuto tutti i dati di cui avevamo bisogno. Ad esempio, non abbiamo ottenuto i dati sulla regione pubblicitaria e i dati necessari per calcolare il costo delle azioni degli utenti dopo le visualizzazioni degli annunci. Inoltre, abbiamo dovuto combinare e monitorare manualmente i dati di account diversi e per date diverse.

In secondo luogo, dovevamo supportare e finalizzare la nostra soluzione in modo che risolvesse tutte le nostre attività di raccolta dei dati ed era pronta per le modifiche regolari nell'API di Facebook. Per fare ciò, dovevamo pagare costantemente i programmatori, spendendo tempo e denaro.

Pertanto, abbiamo deciso di provare la nuova pipeline di Facebook Ads → Google BigQuery di OWOX BI. Questa pipeline raccoglie tutti i dati di cui abbiamo bisogno in un formato conveniente, ne monitora la pertinenza e funziona immediatamente, quindi non è necessario fare nulla manualmente per unire i dati.

OWOX BI scarica circa 200 campi con vari dati dagli account pubblicitari di Facebook.

Questo è importante perché ogni prodotto SEMrush ha un team di sviluppo e marketing separato e ogni team ha il proprio budget di promozione.

È necessario contare il costo non solo della sessione, ma anche delle singole azioni all'interno della sessione per valutare l'efficacia degli investimenti pubblicitari per ciascun team. E devi attribuire i costi non per una sessione ma per un'azione. In questo modo sapremo con certezza che per le azioni di conversione W, Y e Z, abbiamo pagato l'importo X, che per noi è accettabile o meno. Quindi ogni squadra può calcolare il costo per azione (CPA), anche se c'erano più azioni chiave nella stessa sessione.

I dati che otteniamo da Facebook con OWOX BI ci consentono di creare analisi approfondite.

Per fare ciò, combiniamo i dati sui costi con i dati sul comportamento degli utenti del sito Web (scaricati da una pipeline BI OWOX separata) utilizzando 150 script speciali. E più dettagliati sono i nostri dati dagli account pubblicitari, più accurata sarà la nostra valutazione delle azioni degli utenti.

Inoltre, la pipeline Facebook Ads → Google BigQuery scarica i seguenti dati importanti per la nostra pubblicità:

Obiettivo di conversione : grazie a questo campo, vediamo per quale obiettivo è impostata la campagna pubblicitaria e comprendiamo in quale fase della canalizzazione di conversione si trova l'utente (ad esempio, registrazione o prova).

Link pubblicitario : ci consente di associare con precisione un punto di contatto e una pubblicità specifica.

Firme degli annunci sui banner : nel nostro lavoro, utilizziamo la struttura profondamente radicata degli account pubblicitari. Firmando annunci sui banner, possiamo misurare e contrassegnare le campagne con il massimo dei dettagli. Quindi possiamo determinare con precisione gli obiettivi e associare le campagne alle attività.

Molti campi di testo (come il nome della campagna e il set di annunci): abbiamo scritto script speciali che scaricano i valori di tali campi da BigQuery in Fogli Google. Quindi gli esperti di marketing li utilizzano per eseguire il markup degli account pubblicitari in modo rapido e accurato.

SEMrush è un prodotto internazionale ed è importante per noi analizzare l'efficacia della pubblicità in diverse regioni. Ad esempio, il costo di un clic negli Stati Uniti e in India è diverso. Ciò significa che il CPO finale è diverso in base al paese.

Uno dei principali vantaggi della pipeline Facebook Ads → Google BigQuery per noi è che la pipeline fornisce dati da un account pubblicitario in diversi paesi.

Utilizzando i dati grezzi scaricati da Facebook, possiamo scoprire quanti soldi spendiamo in un determinato paese per campagne specifiche. Quindi possiamo attribuire punti di contatto agli utenti e calcolare il ROI di queste campagne.

Monitoriamo il funzionamento degli annunci in base all'area geografica del pubblico e possiamo ottimizzare le campagne per paese.

La pipeline Facebook Ads → Google BigQuery semplifica notevolmente il processo di analisi dell'efficacia delle campagne pubblicitarie.

• Raccogliamo tutti i dati di cui abbiamo bisogno e sono necessari script aggiuntivi solo per casi speciali come il calcolo del costo per attirare le azioni dei singoli utenti.
• OWOX BI scarica per noi molti dati importanti, inclusi dati cruciali come i dati regionali che ci consentono di misurare la distribuzione geografica dei costi pubblicitari.
• La pipeline raccoglie automaticamente i dati da tutti i nostri account pubblicitari di Facebook in un'unica tabella Google BigQuery partizionata. Ciò semplifica notevolmente l'analisi dei costi.
• La pipeline monitora la pertinenza dei dati scaricati. Se i dati cambiano in modo retrospettivo nell'account pubblicitario, OWOX BI lo aggiorna in BigQuery.
• Inoltre, il team OWOX BI ci ha aiutato a scaricare i dati storici dei tre anni precedenti dai nostri account pubblicitari di Facebook. Pertanto, possiamo valutare le dinamiche della campagna e tenere traccia dei cambiamenti chiave in passato che influiscono in modo significativo sui risultati delle campagne in corso.
• Non è necessario coinvolgere i programmatori per impostare la raccolta e il consolidamento dei dati, poiché la pipeline BI OWOX pronta all'uso fa tutto ciò di cui abbiamo bisogno.

Nel prossimo futuro, prevediamo di abbandonare la maggior parte degli script che abbiamo scritto e di raccogliere i dati di Facebook Ads (e anche i dati di LinkedIn) utilizzando solo pipeline di BI OWOX.