Как понять, что директ-маркетинг недостаточно эффективен. Советы экспертов и практика измерения «Vprok.ru Перекрёстка», Holodilnik.ru, Mybox

Полученные данные по выручке помогают рассчитать ROI, возврат на инвестиции. Это метрика более высокого уровня, которая позволяет:

• понять, насколько эффективно работает канал — теряет ли компания на нем деньги или зарабатывает;
• сравнить разные каналы между собой и перераспределить бюджет в пользу более эффективных.

Last click — cамая распространенная модель атрибуции. Отдает 100% ценности конверсии последнему по времени каналу взаимодействия. Несмотря на популярность last click, у этой модели, помимо достоинств, есть ряд недостатков.

Проблема с чистотой данных не решена во многих компаниях.

Digital-маркетолог Delivio Ольга Гехт как раз относится к тем специалистам, кому удалось правильно настроить отслеживание заказов после оформления.

First click. По нашему опыту, более редкая модель атрибуции. Возможно, потому что бизнесу важнее понимать, какой канал привел к покупке, чем знать, как клиент познакомился с компанией. Эта модель отдает 100% ценности конверсии первому по времени каналу взаимодействия. Проблемы аналогичны тем, что мы описали для last click.

Распределенная атрибуция решает часть проблем last и first click, присваивая веса разным каналам в определенной пропорции. Пример: человек сначала увидел контекстную рекламу, затем зашел в социальные сети и увидел рекламу там, на следующий день кликнул по ссылке в письме и купил товар. Вес можно распределить равномерно на все каналы или в разных пропорциях распределить между первым, последним и промежуточными взаимодействиями. Это более честная атрибуция, но проблема в том, что нет правильного ответа, какой вес присваивать каждому каналу.

Еще один вариант распределенной атрибуции — проставлять веса не вручную, а использовать алгоритмы на машинном обучении. Правда, у рынка пока нет значительного опыта в их применении.

Вторая проблема — весь маркетинг должен перейти на новую модель, иначе каналы нельзя будет сравнивать между собой. Сложность в том, что всем нужно договориться, в то время как каждая команда будет перетягивать вес на ту позицию в цепочке взаимодействий, где более значим ее канал.

Наконец, распределенная атрибуция не решает проблему измерения офлайна: как и last click, и first click она показывает картину только в онлайне.

Руководитель направления CRM агентства ZV.Digital Тамара Машницкая и вовсе считает, что для измерения эффективности директ-маркетинга не нужны сложные модели атрибуции — достаточно last click.

Таким образом, даже распределенная атрибуция и алгоритмы на машинном обучении не позволяют измерять эффективность директ-маркетинга со 100% достоверностью. Повысить точность оценки поможет использование контрольной группы.

Суть метода в том, что часть клиентов (обычно 5–10%) исключается из коммуникаций и их поведение сравнивается с основной группой. Если статистически значимая разница есть и она в пользу рассылок, это означает, что рассылки действительно работают. В противном случае можно сделать вывод, что коммуникации никак не влияют на поведение клиентов и они совершили бы покупку и без напоминания.

Last click. Если после клика по рассылке клиент успеет совершить несколько покупок за период атрибуции, то все они привяжутся к email-каналу и не будут считаться самостоятельными. Поэтому важно правильно настроить период измерения. Так, если компания продает продукты питания, период атрибуции по last click должен быть коротким, не больше нескольких недель. Противоположный пример — туристические путевки. Тут, наоборот, период измерения растягивается на несколько месяцев, потому что клиент долго принимает решение о покупке.

Контрольная группа. Чем дольше период нахождения в контрольной группе, тем лучше: вы успеете накопить больше данных — измерения будут точнее. Это общее правило вне зависимости от индустрии.

С другой стороны, бизнес заинтересован в получении быстрого результата — важно найти баланс. Хорошая рекомендация: клиент находится в контрольной группе в течение среднего для индустрии времени покупки. Если меньше — есть вероятность, что он успеет выйти из контрольной группы и начать получать рассылки до окончания жизненного цикла. То есть прямые коммуникации все-таки повлияют на принятие решения о покупке и выводы по итогам теста придется делать с учетом этого эффекта.

Соответственно, у компаний с высокой частотой покупок (несколько раз в месяц) результаты накапливаются быстрее — есть возможность сократить пребывание клиентов в контрольной группе.

Измерение выручки — только начало пути. Если компания научилась правильно это делать, перед ней открывается множество возможностей для измерения эффективности директ-маркетинга на разном уровне. Ниже приведем несколько примеров.

Доход с одного отправленного сообщения. По словам Юлии Сомовой-Гольцвирт из агентства Profitator, доход с одного отправленного сообщения важен для понимания качества коммуникаций: насколько точно сегментирована база и выбран подходящий посыл.

Идея в том, чтобы отправлять как можно меньше коммуникаций и при этом зарабатывать как можно больше денег. Однако есть нюанс: нужно смотреть на усредненный показатель, а не доходность каждой рассылки. Например, у контентных рассылок может вовсе не быть конверсий в заказ, но они позволяют поддерживать связь с клиентами.

Средний доход от пользователя за период (ARPU). Довольно простая и дешевая в измерении метрика. Как рассказывает head of CRM агентства Out of Cloud Мария Артемьева, для большинства клиентов самый удобный показатель — ARPU на активного подписчика в год. Он считается как количество заказов, атрибутированное к директ-каналам и умноженное на средний чек.

Вклад в ценность клиента. LTV (customer lifetime value) — это общая прибыль, которую компания получит от клиента на всем протяжении взаимодействия с ним. Оценка эффективности директ-маркетинга на основе его вклада в LTV клиента — полезная верхнеуровневая метрика, но рассчитать ее быстро не получится.