SEMrush 案例研究：為什麼要在 Facebook 廣告上收集原始成本數據？

SEMrush 是一項用於管理網站在搜索結果中的可見性的服務。 它包括用於 SEO、PPC、活動管理、內容營銷和營銷研究的平台。 SEMrush 在全球擁有超過 500 萬用戶，包括 eBay、Quora、Booking。 com、法國巴黎銀行和其他公司的客戶。

每個地區的 SEMrush 受眾都有自己的特點，為了吸引用戶，僅僅跟踪廣告的點擊往往是不夠的。 因此，為了正確評估廣告活動的有效性，SEMrush 需要的不僅僅是點擊次數、費用和 UTM 標籤的統計數據。

在本文中，SEMrush 數據分析師 Konstantin Perevozchikov 講述了他的團隊如何使用通過 Facebook Ads → Google BigQuery 管道從 OWOX BI 收集的原始數據來分析廣告活動的有效性。

我們過去通過兩種方式從 Facebook 廣告賬戶收集成本數據：

1. 借助 OWOX BI Facebook Ads → Google Analytics 管道導入成本數據、點擊次數、展示次數和 UTM 標籤，然後通過 Google Analytics → Google BigQuery 管道將其上傳到 Google BigQuery。
2. 使用由 SEMrush 團隊編寫的我們自己的腳本，將某些數據從 Facebook 廣告帳戶上傳到 Google BigQuery。

這種方法有幾個缺點。

首先，我們沒有得到我們需要的所有數據。 例如，我們沒有獲得廣告區域數據和計算廣告瀏覽後用戶操作成本所需的數據。 此外，我們必須手動合併和監控來自不同賬戶和不同日期的數據。

其次，我們需要支持並最終確定我們自己的解決方案，以便它解決我們所有的數據收集任務，並為 Facebook API 的定期更改做好準備。 要做到這一點，我們需要不斷地付錢給程序員，花費時間和金錢。

因此，我們決定嘗試來自 OWOX BI 的新 Facebook Ads → Google BigQuery 管道。 該管道以方便的格式收集我們需要的所有數據，監控其相關性，並且開箱即用，因此我們無需手動執行任何操作來合併數據。

OWOX BI 從 Facebook 廣告帳戶下載了大約 200 個包含各種數據的字段。

這一點很重要，因為每個 SEMrush 產品都有獨立的開發和營銷團隊，每個團隊都有自己的推廣預算。

您不僅需要計算會話的成本，還需要計算會話中的單個操作的成本，以評估每個團隊的廣告投資的有效性。 而且您需要將成本歸因於會話而不是操作。 這樣我們就可以肯定地知道，對於轉化操作 W、Y 和 Z，我們支付了 X 金額，這對我們來說是否可以接受。 然後每個團隊都可以計算每次操作的成本 (CPA)，即使在同一會話中有多個關鍵操作。

我們使用 OWOX BI 從 Facebook 獲得的數據使我們能夠構建深度分析。

為此，我們使用 150 個特殊腳本將成本數據與網站用戶行為數據（通過單獨的 OWOX BI 管道下載）相結合。 我們從廣告賬戶中獲取的數據越詳細，我們對用戶行為的評估就越準確。

此外，Facebook Ads → Google BigQuery 管道會下載以下對我們的廣告很重要的數據：

轉化目標——借助該字段，我們可以了解廣告活動的設置目標，並了解用戶處於轉化渠道的哪個階段（例如，註冊或試用）。

廣告鏈接——使我們能夠準確地將接觸點與特定廣告相關聯。

橫幅上的廣告簽名——在我們的工作中，我們使用廣告賬戶的深度嵌入結構。 通過在橫幅上簽署廣告，我們可以衡量和標記具有最大細節的活動。 然後我們可以準確地確定目標並將活動與活動相關聯。

許多文本字段（例如廣告系列名稱和廣告組）——我們編寫了特殊的腳本，將這些字段的值從 BigQuery 下載到 Google 表格中。 然後營銷人員使用它們快速準確地標記廣告帳戶。

SEMrush是一款國際化的產品，對我們來說分析不同地區的廣告效果很重要。 例如，美國和印度的點擊成本是不同的。 這意味著最終的 CPO 因國家/地區而異。

Facebook Ads → Google BigQuery 管道對我們來說的主要優勢之一是該管道提供來自不同國家的廣告帳戶的數據。

使用從 Facebook 下載的原始數據，我們可以了解我們在特定國家/地區在特定活動上花費了多少錢。 然後我們可以將接觸點歸因於用戶併計算這些活動的投資回報率。

我們根據受眾的地理位置跟踪廣告的運作方式，並可以按國家/地區微調廣告活動。

Facebook Ads → Google BigQuery 管道極大地簡化了分析廣告活動有效性的過程。

• 我們收集我們需要的所有數據，並且僅在特殊情況下才需要額外的腳本，例如計算吸引單個用戶操作的成本。
• OWOX BI 為我們下載了很多重要數據，包括區域數據等關鍵數據，這些數據可以讓我們衡量廣告成本的地理分佈。
• 該管道自動將來自我們所有 Facebook 廣告帳戶的數據收集到單個分區的 Google BigQuery 表中。 這大大簡化了成本分析。
• 管道監控下載數據的相關性。 如果廣告帳戶中的數據發生追溯性更改，OWOX BI 會在 BigQuery 中對其進行更新。
• 此外，OWOX BI 團隊幫助我們從 Facebook 廣告帳戶下載了過去三年的歷史數據。 因此，我們可以評估活動動態並跟踪過去顯著影響當前活動結果的關鍵變化。
• 我們不需要程序員來設置數據收集和整合，因為開箱即用的 OWOX BI 管道可以滿足我們的一切需求。

在不久的將來，我們計劃放棄我們編寫的大部分腳本，並僅使用 OWOX BI 管道收集 Facebook 廣告數據（以及 LinkedIn 數據）。