กรณีศึกษา SEMrush: เหตุใดจึงต้องรวบรวมข้อมูลต้นทุนดิบบนโฆษณา Facebook

SEMrush เป็นบริการสำหรับจัดการการมองเห็นเว็บไซต์ในผลการค้นหา ประกอบด้วยแพลตฟอร์มสำหรับ SEO, PPC, การจัดการแคมเปญ, การตลาดเนื้อหา และการวิจัยการตลาด SEMrush มีผู้ใช้มากกว่า 5 ล้านคนทั่วโลกและนับ eBay, Quora, Booking com, BNP Paribas และบริษัทอื่นๆ ในกลุ่มลูกค้า

ผู้ชม SEMrush ในแต่ละภูมิภาคมีลักษณะเฉพาะของตนเอง และเพื่อดึงดูดผู้ใช้ การติดตามเพียงการคลิกโฆษณามักไม่เพียงพอ ดังนั้น เพื่อประเมินประสิทธิภาพของแคมเปญโฆษณาได้อย่างถูกต้อง SEMrush ต้องการมากกว่าสถิติเกี่ยวกับการคลิก ค่าใช้จ่าย และแท็ก UTM

ในบทความนี้ Konstantin Perevozchikov นักวิเคราะห์ข้อมูล SEMrush บอกว่าทีมของเขาใช้ข้อมูลดิบที่รวบรวมโดยใช้โฆษณา Facebook → ไปป์ไลน์ Google BigQuery จาก OWOX BI เพื่อวิเคราะห์ประสิทธิภาพของแคมเปญโฆษณาอย่างไร

เราเคยรวบรวมข้อมูลค่าใช้จ่ายจากบัญชีโฆษณา Facebook ในสองวิธี:

1. นำเข้าข้อมูลค่าใช้จ่าย การคลิก การแสดงผล และแท็ก UTM ด้วยความช่วยเหลือของ OWOX BI Facebook Ads → ไปป์ไลน์ Google Analytics จากนั้นอัปโหลดไปยัง Google BigQuery โดยใช้ช่องทาง Google Analytics → Google BigQuery ไปป์ไลน์
2. ใช้สคริปต์ของเราเองที่เขียนโดยทีม SEMrush ซึ่งอัปโหลดข้อมูลบางอย่างจากบัญชีโฆษณา Facebook ไปยัง Google BigQuery

วิธีการนี้มีข้อเสียหลายประการ

ประการแรก เราไม่ได้รับข้อมูลทั้งหมดที่เราต้องการ ตัวอย่างเช่น เราไม่ได้รับข้อมูลภูมิภาคโฆษณาและข้อมูลที่จำเป็นในการคำนวณต้นทุนการดำเนินการของผู้ใช้หลังจากการดูโฆษณา นอกจากนี้ เราต้องรวมและตรวจสอบข้อมูลจากบัญชีต่างๆ และสำหรับวันที่ต่างกันด้วยตนเอง

ประการที่สอง เราจำเป็นต้องสนับสนุนและสรุปโซลูชันของเราเอง เพื่อที่จะแก้ไขงานการรวบรวมข้อมูลทั้งหมดของเรา และพร้อมสำหรับการเปลี่ยนแปลงใน Facebook API เป็นประจำ ในการทำเช่นนี้ เราจำเป็นต้องจ่ายเงินให้กับโปรแกรมเมอร์อย่างต่อเนื่อง ใช้เวลาและเงิน

ดังนั้นเราจึงตัดสินใจลองใช้ไปป์ไลน์โฆษณา Facebook → Google BigQuery ใหม่จาก OWOX BI ไปป์ไลน์นี้รวบรวมข้อมูลทั้งหมดที่เราต้องการในรูปแบบที่สะดวก ตรวจสอบความเกี่ยวข้อง และทำงานนอกกรอบ ดังนั้นเราจึงไม่จำเป็นต้องดำเนินการใดๆ ด้วยตนเองเพื่อรวมข้อมูล

OWOX BI ดาวน์โหลดประมาณ 200 ช่องพร้อมข้อมูลต่างๆ จากบัญชีโฆษณา Facebook

นี่เป็นสิ่งสำคัญเนื่องจากผลิตภัณฑ์ SEMrush แต่ละชิ้นมีทีมพัฒนาและการตลาดแยกกัน และแต่ละทีมมีงบประมาณการส่งเสริมการขายของตนเอง

คุณต้องนับค่าใช้จ่ายไม่เพียงแต่เซสชันเท่านั้น แต่ยังต้องพิจารณาการดำเนินการแต่ละรายการภายในเซสชันด้วยเพื่อประเมินประสิทธิผลของการลงทุนด้านโฆษณาสำหรับแต่ละทีม และคุณต้องระบุค่าใช้จ่ายไม่ใช่สำหรับเซสชัน แต่สำหรับการดำเนินการ ด้วยวิธีนี้ เราจะทราบได้อย่างแน่นอนว่าสำหรับการกระทำที่ถือเป็น Conversion W, Y และ Z เราได้จ่ายเป็นจำนวนเงิน X ซึ่งเรายอมรับได้หรือไม่ จากนั้นแต่ละทีมจะคำนวณต้นทุนต่อการดำเนินการ (CPA) ได้ แม้ว่าจะมีการดำเนินการหลักหลายรายการในเซสชันเดียวกันก็ตาม

ข้อมูลที่เราได้รับจาก Facebook ด้วย OWOX BI ช่วยให้เราสร้างการวิเคราะห์เชิงลึกได้

ในการทำเช่นนี้ เรารวมข้อมูลต้นทุนกับข้อมูลเกี่ยวกับพฤติกรรมของผู้ใช้เว็บไซต์ (ดาวน์โหลดโดยไปป์ไลน์ OWOX BI แยกต่างหาก) โดยใช้สคริปต์พิเศษ 150 สคริปต์ และยิ่งข้อมูลของเรามีรายละเอียดมากขึ้นจากบัญชีโฆษณา การประเมินการดำเนินการของผู้ใช้ก็จะยิ่งแม่นยำมากขึ้นเท่านั้น

นอกจากนี้ ไปป์ไลน์โฆษณา Facebook → Google BigQuery จะดาวน์โหลดข้อมูลต่อไปนี้ซึ่งเป็นสิ่งสำคัญสำหรับการโฆษณาของเรา:

เป้าหมายการแปลง — ต้องขอบคุณฟิลด์นี้ เราจึงเห็นว่าแคมเปญโฆษณาตั้งขึ้นเพื่อเป้าหมายใด และเข้าใจว่าผู้ใช้อยู่ในขั้นตอนใดของกระบวนการคอนเวอร์ชั่น (เช่น การลงทะเบียนหรือทดลองใช้งาน)

ลิงค์โฆษณา — ช่วยให้เราเชื่อมโยงจุดติดต่อและโฆษณาเฉพาะได้อย่างแม่นยำ

ลายเซ็นโฆษณาบนแบนเนอร์ — ในงานของเรา เราใช้โครงสร้างที่ฝังลึกของบัญชีโฆษณา โดยการลงนามโฆษณาบนแบนเนอร์ เราสามารถวัดและทำเครื่องหมายแคมเปญที่มีรายละเอียดสูงสุด จากนั้นเราสามารถกำหนดเป้าหมายและเชื่อมโยงแคมเปญกับกิจกรรมได้อย่างแม่นยำ

ช่องข้อความจำนวนมาก (เช่น ชื่อแคมเปญและชุดโฆษณา) — เราเขียนสคริปต์พิเศษที่ดาวน์โหลดค่าของช่องดังกล่าวจาก BigQuery ลงใน Google ชีต จากนั้นนักการตลาดก็ใช้เพื่อมาร์กอัปบัญชีโฆษณาอย่างรวดเร็วและแม่นยำ

SEMrush เป็นผลิตภัณฑ์ระดับสากล และเป็นสิ่งสำคัญสำหรับเราในการวิเคราะห์ประสิทธิภาพของการโฆษณาในภูมิภาคต่างๆ ตัวอย่างเช่น ค่าใช้จ่ายในการคลิกในสหรัฐอเมริกาและอินเดียจะแตกต่างกัน ซึ่งหมายความว่า CPO สุดท้ายจะแตกต่างกันไปในแต่ละประเทศ

ข้อได้เปรียบหลักอย่างหนึ่งของโฆษณาบน Facebook → ไปป์ไลน์ Google BigQuery สำหรับเราคือไปป์ไลน์ให้ข้อมูลจากบัญชีโฆษณาในประเทศต่างๆ

การใช้ข้อมูลดิบที่ดาวน์โหลดจาก Facebook ทำให้เราทราบจำนวนเงินที่เราใช้จ่ายในประเทศหนึ่งๆ ในแคมเปญเฉพาะ จากนั้น เราสามารถระบุแหล่งที่มาของจุดติดต่อผู้ใช้และคำนวณ ROI ของแคมเปญเหล่านี้ได้

เราติดตามว่าโฆษณาทำงานอย่างไรโดยขึ้นอยู่กับภูมิศาสตร์ของผู้ชม และสามารถปรับเปลี่ยนแคมเปญได้ตามประเทศ

โฆษณาบน Facebook → ท่อส่ง Google BigQuery ช่วยลดความยุ่งยากในกระบวนการวิเคราะห์ประสิทธิภาพของแคมเปญโฆษณา

• เรารวบรวมข้อมูลทั้งหมดที่เราต้องการ และจำเป็นต้องใช้สคริปต์เพิ่มเติมสำหรับกรณีพิเศษเท่านั้น เช่น การคำนวณค่าใช้จ่ายในการดึงดูดการดำเนินการของผู้ใช้แต่ละราย
• OWOX BI ดาวน์โหลดข้อมูลสำคัญมากมายให้เรา รวมทั้งข้อมูลสำคัญ เช่น ข้อมูลภูมิภาคที่ช่วยให้เราสามารถวัดการกระจายทางภูมิศาสตร์ของต้นทุนการโฆษณา
• ไปป์ไลน์จะรวบรวมข้อมูลจากบัญชีโฆษณา Facebook ทั้งหมดของเราลงในตาราง Google BigQuery ที่แบ่งพาร์ติชั่นเดียวโดยอัตโนมัติ ทำให้การวิเคราะห์ต้นทุนง่ายขึ้นอย่างมาก
• ไปป์ไลน์ตรวจสอบความเกี่ยวข้องของข้อมูลที่ดาวน์โหลด หากข้อมูลมีการเปลี่ยนแปลงย้อนหลังในบัญชีโฆษณา OWOX BI จะอัปเดตข้อมูลดังกล่าวใน BigQuery
• นอกจากนี้ ทีมงาน OWOX BI ยังช่วยเราดาวน์โหลดข้อมูลย้อนหลังในช่วงสามปีที่ผ่านมาจากบัญชีโฆษณา Facebook ของเรา ดังนั้นเราจึงสามารถประเมินการเปลี่ยนแปลงของแคมเปญและติดตามการเปลี่ยนแปลงที่สำคัญในอดีตที่ส่งผลกระทบอย่างมากต่อผลลัพธ์ของแคมเปญปัจจุบัน
• เราไม่จำเป็นต้องให้โปรแกรมเมอร์เข้ามาเกี่ยวข้องในการตั้งค่าการรวบรวมและการรวมข้อมูล เนื่องจากไปป์ไลน์ OWOX BI แบบสำเร็จรูปจะทำทุกอย่างที่เราต้องการ

ในอนาคตอันใกล้ เราวางแผนที่จะละทิ้งสคริปต์ส่วนใหญ่ที่เราเขียนและรวบรวมข้อมูลโฆษณา Facebook (รวมถึงข้อมูล LinkedIn ด้วย) โดยใช้ไปป์ไลน์ OWOX BI เท่านั้น