SEMrush 案例研究：为什么要在 Facebook 广告上收集原始成本数据？

SEMrush 是一项用于管理网站在搜索结果中的可见性的服务。 它包括用于 SEO、PPC、活动管理、内容营销和营销研究的平台。 SEMrush 在全球拥有超过 500 万用户，包括 eBay、Quora、Booking。 com、法国巴黎银行和其他公司的客户。

每个地区的 SEMrush 受众都有自己的特点，为了吸引用户，仅仅跟踪广告的点击往往是不够的。 因此，为了正确评估广告活动的有效性，SEMrush 需要的不仅仅是点击次数、费用和 UTM 标签的统计数据。

在本文中，SEMrush 数据分析师 Konstantin Perevozchikov 讲述了他的团队如何使用通过 Facebook Ads → Google BigQuery 管道从 OWOX BI 收集的原始数据来分析广告活动的有效性。

我们过去通过两种方式从 Facebook 广告账户收集成本数据：

1. 借助 OWOX BI Facebook Ads → Google Analytics 管道导入成本数据、点击次数、展示次数和 UTM 标签，然后通过 Google Analytics → Google BigQuery 管道将其上传到 Google BigQuery。
2. 使用由 SEMrush 团队编写的我们自己的脚本，将某些数据从 Facebook 广告帐户上传到 Google BigQuery。

这种方法有几个缺点。

首先，我们没有得到我们需要的所有数据。 例如，我们没有获得广告区域数据和计算广告浏览后用户操作成本所需的数据。 此外，我们必须手动合并和监控来自不同账户和不同日期的数据。

其次，我们需要支持并最终确定我们自己的解决方案，以便它解决我们所有的数据收集任务，并为 Facebook API 的定期更改做好准备。 要做到这一点，我们需要不断地付钱给程序员，花费时间和金钱。

因此，我们决定尝试来自 OWOX BI 的新 Facebook Ads → Google BigQuery 管道。 该管道以方便的格式收集我们需要的所有数据，监控其相关性，并且开箱即用，因此我们无需手动执行任何操作来合并数据。

OWOX BI 从 Facebook 广告帐户下载了大约 200 个包含各种数据的字段。

这一点很重要，因为每个 SEMrush 产品都有独立的开发和营销团队，每个团队都有自己的推广预算。

您不仅需要计算会话的成本，还需要计算会话中的单个操作的成本，以评估每个团队的广告投资的有效性。 而且您需要将成本归因于会话而不是操作。 这样我们就可以肯定地知道，对于转化操作 W、Y 和 Z，我们支付了 X 金额，这对我们来说是否可以接受。 然后每个团队都可以计算每次操作的成本 (CPA)，即使在同一会话中有多个关键操作。

我们使用 OWOX BI 从 Facebook 获得的数据使我们能够构建深度分析。

为此，我们使用 150 个特殊脚本将成本数据与网站用户行为数据（通过单独的 OWOX BI 管道下载）相结合。 我们从广告账户中获取的数据越详细，我们对用户行为的评估就越准确。

此外，Facebook Ads → Google BigQuery 管道会下载以下对我们的广告很重要的数据：

转化目标——借助该字段，我们可以了解广告活动的目标设置，并了解用户处于转化渠道的哪个阶段（例如，注册或试用）。

广告链接——使我们能够准确地将接触点与特定广告相关联。

横幅上的广告签名——在我们的工作中，我们使用广告账户的深度嵌入结构。 通过在横幅上签署广告，我们可以衡量和标记具有最大细节的活动。 然后我们可以准确地确定目标并将活动与活动相关联。

许多文本字段（例如广告系列名称和广告组）——我们编写了特殊的脚本，将这些字段的值从 BigQuery 下载到 Google 表格中。 然后营销人员使用它们快速准确地标记广告帐户。

SEMrush是一款国际化的产品，对我们来说分析不同地区的广告效果很重要。 例如，美国和印度的点击成本是不同的。 这意味着最终的 CPO 因国家/地区而异。

Facebook Ads → Google BigQuery 管道对我们来说的主要优势之一是该管道提供来自不同国家的广告帐户的数据。

使用从 Facebook 下载的原始数据，我们可以了解我们在特定国家/地区在特定活动上花费了多少钱。 然后我们可以将接触点归因于用户并计算这些活动的投资回报率。

我们根据受众的地理位置跟踪广告的运作方式，并可以按国家/地区微调广告活动。

Facebook Ads → Google BigQuery 管道极大地简化了分析广告活动有效性的过程。

• 我们收集我们需要的所有数据，并且仅在特殊情况下才需要额外的脚本，例如计算吸引单个用户操作的成本。
• OWOX BI 为我们下载了很多重要数据，包括区域数据等关键数据，这些数据可以让我们衡量广告成本的地理分布。
• 该管道自动将来自我们所有 Facebook 广告帐户的数据收集到单个分区的 Google BigQuery 表中。 这大大简化了成本分析。
• 管道监控下载数据的相关性。 如果广告帐户中的数据发生追溯性更改，OWOX BI 会在 BigQuery 中对其进行更新。
• 此外，OWOX BI 团队帮助我们从 Facebook 广告帐户下载了过去三年的历史数据。 因此，我们可以评估活动动态并跟踪过去显着影响当前活动结果的关键变化。
• 我们不需要程序员来设置数据收集和整合，因为开箱即用的 OWOX BI 管道可以满足我们的一切需求。

在不久的将来，我们计划放弃我们编写的大部分脚本，并仅使用 OWOX BI 管道收集 Facebook 广告数据（以及 LinkedIn 数据）。