Практический пример SEMrush: зачем собирать необработанные данные о затратах на рекламу в Facebook?

SEMrush — сервис для управления видимостью веб-сайтов в результатах поиска. Он включает в себя платформы для SEO, PPC, управления кампаниями, контент-маркетинга и маркетинговых исследований. У SEMrush более 5 миллионов пользователей по всему миру, включая eBay, Quora, Booking. com, BNP Paribas и другие компании среди клиентов.

Аудитории SEMrush в каждом регионе имеют свои особенности, и для привлечения пользователей зачастую недостаточно отслеживать просто переходы по рекламе. Поэтому для правильной оценки эффективности рекламных кампаний SEMrush нужно гораздо больше, чем статистика по кликам, расходам и UTM-меткам.

В этой статье аналитик данных SEMrush Константин Перевозчиков рассказывает, как его команда использует необработанные данные, собранные с помощью пайплайна Facebook Ads → Google BigQuery от OWOX BI, для анализа эффективности рекламных кампаний.

Раньше мы собирали данные о затратах из рекламных аккаунтов Facebook двумя способами:

1. Импортируйте данные о расходах, кликах, показах и UTM-метках с помощью пайплайна OWOX BI Facebook Ads → Google Analytics, а затем загружайте их в Google BigQuery с помощью пайплайна Google Analytics → Google BigQuery.
2. Используйте наши собственные скрипты, написанные командой SEMrush, которые загружают определенные данные из рекламного аккаунта Facebook в Google BigQuery.

У этого подхода было несколько недостатков.

Во-первых, мы не получили все необходимые данные. Например, мы не получили данные о рекламном регионе и данные, необходимые для расчета стоимости действий пользователя после просмотра рекламы. Кроме того, нам приходилось вручную объединять и отслеживать данные с разных аккаунтов и на разные даты.

Во-вторых, нам нужно было поддерживать и дорабатывать собственное решение, чтобы оно решало все наши задачи по сбору данных и было готово к регулярным изменениям в API Facebook. Для этого нам нужно было постоянно платить программистам, тратя время и деньги.

Поэтому мы решили опробовать новый пайплайн Facebook Ads → Google BigQuery от OWOX BI. Этот пайплайн собирает все нужные нам данные в удобном формате, следит за их актуальностью и работает «из коробки», поэтому нам не нужно ничего делать вручную для слияния данных.

OWOX BI загружает около 200 полей с различными данными из рекламных аккаунтов Facebook.

Это важно, потому что у каждого продукта SEMrush есть отдельная команда по разработке и маркетингу, и у каждой команды есть свой бюджет на продвижение.

Нужно считать стоимость не только сеанса, но и отдельных действий в рамках сеанса, чтобы оценить эффективность рекламных вложений для каждой команды. А затраты нужно отнести не на сеанс, а на действие. Так мы будем точно знать, что за конверсионные действия W, Y и Z мы заплатили сумму X, которая либо приемлема для нас, либо нет. Тогда каждая команда может рассчитать цену за действие (CPA), даже если в одном сеансе было несколько ключевых действий.

Данные, которые мы получаем от Facebook с помощью OWOX BI, позволяют нам строить глубокую аналитику.

Для этого мы объединяем данные о расходах с данными о поведении пользователей сайта (загружаемыми отдельным пайплайном OWOX BI) с помощью 150 специальных скриптов. И чем детальнее наши данные из рекламных аккаунтов, тем точнее наша оценка действий пользователей.

Кроме того, конвейер Facebook Ads → Google BigQuery загружает следующие данные, важные для нашей рекламы:

Цель конверсии — благодаря этому полю мы видим, на какую цель настроена рекламная кампания, и понимаем, на каком этапе воронки конверсии находится пользователь (например, регистрация или триал).

Рекламная ссылка — позволяет нам точно связать точку взаимодействия и конкретную рекламу.

Рекламные подписи на баннерах — В своей работе мы используем глубоко укоренившуюся структуру рекламных аккаунтов. Подписывая объявления на баннерах, мы можем измерять и маркировать кампании с максимальной детализацией. Тогда мы сможем точно определить цели и связать кампании с действиями.

Много текстовых полей (например, название кампании и группы объявлений) — Мы написали специальные скрипты, которые загружают значения таких полей из BigQuery в Google Sheets. Затем маркетологи используют их для быстрой и точной разметки рекламных аккаунтов.

SEMrush — интернациональный продукт, и нам важно анализировать эффективность рекламы в разных регионах. Например, стоимость клика в США и в Индии разная. Это означает, что окончательный CPO отличается в зависимости от страны.

Одним из основных преимуществ пайплайна Facebook Ads → Google BigQuery для нас является то, что пайплайн предоставляет данные из рекламного аккаунта в разных странах.

Используя необработанные данные, загруженные из Facebook, мы можем узнать, сколько денег мы тратим в той или иной стране на конкретные кампании. Затем мы можем приписать точки взаимодействия пользователям и рассчитать рентабельность этих кампаний.

Мы отслеживаем работу рекламы в зависимости от географии аудитории и можем тонко настраивать кампании по странам.

Воронка Facebook Ads → Google BigQuery значительно упрощает процесс анализа эффективности рекламных кампаний.

• Мы собираем все необходимые нам данные, а дополнительные скрипты нужны только для частных случаев вроде расчета стоимости привлечения отдельных действий пользователя.
• OWOX BI загружает для нас множество важных данных, в том числе важные данные, такие как данные о регионах, которые позволяют нам измерять географическое распределение рекламных расходов.
• Конвейер автоматически собирает данные со всех наших рекламных аккаунтов Facebook в единую секционированную таблицу Google BigQuery. Это значительно упрощает анализ затрат.
• Конвейер отслеживает актуальность загружаемых данных. Если в рекламном аккаунте данные меняются задним числом, OWOX BI обновляет их в BigQuery.
• Кроме того, команда OWOX BI помогла нам загрузить исторические данные за предыдущие три года из наших рекламных аккаунтов Facebook. Таким образом, мы можем оценивать динамику кампании, а также отслеживать ключевые изменения в прошлом, которые существенно влияют на результаты текущих кампаний.
• Нам не нужно привлекать программистов для настройки сбора и консолидации данных, так как готовый пайплайн OWOX BI делает все необходимое.

В ближайшем будущем мы планируем отказаться от большинства написанных нами скриптов и собирать данные Facebook Ads (а также данные LinkedIn) только с помощью пайплайнов OWOX BI.