Оптимизация рекламных затрат для автодилера – практические кейсы

Антон Черноталов, генеральный директор агентства E-Promo
19 ноября 2015

Падение продаж на автомобильном рынке неизбежно приводит к сокращению операционных расходов, включая расходы на интернет-рекламу. Перед автодилерами, как минимум, встает вопрос — как оптимизировать рекламные затраты, какими метриками измерять эффективность работы агентства, а, как максимум, — какие рекламные каналы не приводят к продажам и на них необходимо снизить вложения, какие рекламные кампании не эффективны. В предлагаемой статье автор пытается ответить на эти вопросы, и предлагает подход оптимизации рекламных затрат с помощью автоматизации расчета рентабельности маркетинговых инвестиций (ROMI) и использования нелинейного метода атрибуции конверсии. Теоретические изыскания в данном материале подтверждаются практическим кейсом.

Расчет рентабельности инвестиций в маркетинг для автосалона

Для начала определимся с формулировками и терминами. ROMI (Return On Marketing Investments) — рентабельность инвестиций в маркетинг, определяется как = прибыль от маркетинговых расходов/Расходы на маркетинг * 100%. ROMI показывает какую прибыль получает компания в процентах от вложенного рубля в маркетинг. В качестве прибыли чаще всего используется валовая прибыль (маржа), как наиболее простой в расчете показатель. ROMI постоянно используется в e-commerce как ключевой показатель эффективности рекламных затрат, однако оффлайновые бизнесы в силу сложности учета пока неактивно используют данную метрику.

Аттрибуция конверсии

Атрибуция конверсии — это методика определения, какая коммуникация пользователя с сайтом рекламодателя считается эффективной и приведшей к конверсии, т.е. к звонку или заявке с сайта. Здесь нужно отметить, что чаще всего пользователь несколько раз заходит на сайт автодилера, перед тем, как позвонит или отправит заявку с сайта. Например, одна из наиболее распространенных ситуаций взаимодействия пользователя с сайтом автосалона выглядит следующим образом:

1. Пользователь интересуется ценами на интересующий его автомобиль и переходит по контекстной рекламе из поисковой системы (оплата за клик) по запросу, например, «мазда 6 комплектации и цены». Просмотрев сайт рекламодателя, пользователь уходит с него в поисках сайта другого дилера, не сделав никакого целевого действия (звонка или заявки).

2. С помощью технологии ретаргетинга (оплата за клик) пользователя возвращают на сайт из рекламной сети. Пользователь обращает внимание на сбытовое предложение, но не хочет чтобы ему сейчас перезвонили, запоминает название дилера и уходит с сайта.

3. Позднее, например, вечером из дома пользователь переходит из органической (бесплатной) выдачи поисковых систем по запросу с названием дилера. Пользователь идет на сайт конкретного дилера, чтобы узнать телефонный номер и звонит в автосалон.

Если говорить об атрибуции конверсии, то длительное время была распространена методология Last Click Conversion, в соответствии с которой вся ценность этого звонка досталась бы последнему рекламному каналу — т.е. органической выдаче поисковых систем. Подобный подход игнорирует предыдущее взаимодействие пользователя с сайтом и не учитывает огромную роль контекста — ведь если бы не было первых двух кликов, пользователь бы и не искал сайт дилера по его названию.

Кроме методологии Last Click, есть также :

— методология First Click, которая учитывала бы только первый клик с контекста,
— методология линейной атрибуции, когда каждому каналу досталось бы в данном в случае по 1/3 конверсии.
— методология нелинейной атрибуции, когда роль каналов, которые были ближе к конверсии получают больший вес.

01.jpg
Назначаем ценность конверсии

Проведенное исследование автором статьи и его коллегами по агентству E-Promo говорит о том, что в сегменте авто наиболее эффективно распределение по так называемой модели U. Когда по 40% конверсии отдается первому и последнему рекламному каналу (в данном случае контекстная реклама и органическая выдача, а оставшиеся 20% разделяются между всеми центральными рекламными каналами (в данном случае ретаргетинг).

Настройка атрибуции конверсии осуществляется в инструменте Google Analytics.

Моделирование ROMI и расчет ценности звонка/заявки

Вернемся к ROMI. В чем же сложность расчета этого показателя для автосалонов. Если говорить про e-commerce, то наличие данных о том, какой товар купил пользователь в интернет-магазине позволяет быстро рассчитать маржу (валовую прибыль) от продажи товара, а если мы знаем сколько мы потратили средств на привлечение этого покупателя, то и рассчитать ROMI. Если говорить про автодилеров, то из-за длительного цикла покупки мы сталкиваемся с проблемой определения ценности конверсии (экономической ценности заявки или звонка). Невозможно определить маржу будущей продажи только по заявке с сайта. Однако мы можем усреднить маржу для расчета по следующему принципу.

Разделим все продажи автосалона на 3 группы:
1) продажа новых автомобилей.
2) оказание услуг по сервисному и техническому обслуживанию.
3) продажа дополнительного оборудования во время гарантийного и постгарантийного периода.

Зная маржинальность (процент валовой прибыли от оборота с продаж) от всех проданных автомобилей за предыдущий квартал/год мы можем прогнозировать маржинальность от продаж автомобилей и на будущий период. Несомненно мы опускаем момент того, что маржинальность зависит от модели, и распределения продаж моделей не постоянная величина во времени, однако для целей расчета ROMI мы можем пренебречь данным фактом.

Зная, что средняя маржинальность за прошлый квартал у нас составила 5%, мы можем использовать эту цифру как маржинальность будущего периода. Также мы можем экстраполировать средний чек от продаж автомобиля на будущий период (для брендов масс-маркета в количеством продаж в месяц от 100 автомобилей подобная аппроксимация возможна), беря за исходное значение данные прошлого квартала. Средний чек * маржинальность = средняя валовая прибыль от продажи.

Аналогично мы можем рассчитать среднюю валовую прибыль от сервисного и технического обслуживания, умножив маржинальность прошлого квартала на средний чек и среднюю валовую прибыль от продаж допоборудования во время гарантийного и постгарантийного периода.

Средняя валовая прибыль = Средний чек * Маржинальность
— Продажи автомобилей: 1 000 000 руб * 5% = 50 000 руб.
— Сервисное облуживание: 20 000 руб. * 60% = 12 000 руб.
— Продажи допоборудования: 20 000 руб. * 50% = 10 000 руб.

Далее нам нужно провести аналитику по конверсии от звонков в продажи:
— конверсия в продажи после звонка по поводу покупки автомобиля/тест-драйва (10%);
— % звонков по поводу записи на сервис (20%);
— % звонков по поводу допоборудования (10%).

Таким образом определим ценность звонка:
Ценность звонка = Средняя валовая прибыль * конверсия в продажи.
При звонке о покупке/тест-драйве: 50 000 * 0,05 = 5 000 руб.
При звонке про сервис: 12 000 * 0,20 = 2 400 руб.
При звонке о допоборудовании: 10 000 * 0,1 = 1 000 руб.

И в заключении нам необходимо проанализировать статистику входящих звонков и понять распределение (в скобках указаны значения для примера):
— % звонок по поводу покупки автомобиля/тест-драйва (20%),
— % звонков по поводу записи на сервис (55%),
— % звонков по поводу допоборудования (5%).

Для каждого автосалона эти данные будут уникальны. Суммарное количество процентов звонков не равняется 100%, т.к. часть звонков являются не транзакционными, а информационными, и их не возможно отнести к одному из 3 блоков. Например, звонки по поводу вакансий, схемы проезда и др.

Определим усредненную ценность звонка = 5 000 * 0,20 + 2 400 * 0,55 + 1 000 * 0,05 = 2 370 руб. Это означает, что в среднем один входящий звонок генерирует маржу в размере 2 370 руб.

Для проверки похожее значение должно получиться если поделить суммарную маржу автосалона за период/количество входящих звонков за этот период. Если значение не равно, значит используемые выше конверсии и распределения не верны.

Аналогично необходимо рассчитать ценность завки с сайта (запись на тест-драйв, расчет кредита и т.д.). По расчетам автора в частном случае получаются следующие данные:
— ценность завки на тест-драйв: 7 500 руб.
— ценность заявки на расчет кредита: 4 000 руб.
— ценность записи на ТО и сервис: 6 000 руб.

02.jpg
Отслеживаем ценность каналов по U-модели

Пошаговое руководство к действию:

Для того, чтобы рассчитать экономическую эффективность от каждого рекламного канала, рекламной кампании и ключевой фразы необходимо выполнить следующие действия:

1. Рассчитать по предложенной выше методологии ценность входящего звонка и заявки с сайта.

2. Настроить отслеживание заявок в Google Analytics и указать ценность каждой заявки.

3. Настроить call-tracking (отслеживание звонков) и провести автоматическую интеграцию данных о звонках с Google Analytics.

4. Выбрать в Google Analytics необходимую аттрибуцию конверсию (автор рекомендует U-модель).

5. Настроить связь между рекламными инструментами (системы контекстной рекламы, таргетированной рекламы, ретаргетинг, медийная реклама) и Google Analytics с помощью UTM-меток. (для автоматизации автор использует внутреннюю разработку агентства E-Promo.Context)

6. Интегрировать данные о расходах в рекламных системах с Google Analytics (для автоматизации переноса расходов из Яндекс.Директ в Google Analytics автор использует внутреннюю разработку агентства — E-Promo.IDG)

7. Построить отчет об эффективности рекламных кампаний в Google Analytics с расчетом ROMI.

Полученные данные:

Итоговый отчет выглядит следующим образом:
— срез по рекламным инструментам:
— срез по рекламным кампаниям:
— срез по ключевым фразам:

03.jpg
Отслеживаем ценность рекламных кампаний по U-модели

Подобные данные позволяют агентству либо сократить рекламный бюджет на нерентабельных рекламных кампаниях или фразах либо перенести его на рентабельные кампании. В приведенном здесь примере 30% рекламных средств тратятся на клики, которые не приводят ни к каким целевым действиям на любом этапе коммуникации пользователя с сайтом автосалона.

04.jpg
График роста ROI при оптимизации рекламного бюджета с использованием U-модели

Возражения:

— Предложенная в статье модель определения валовой прибыли не учитывает многих факторов, не дает точного расчета и не подходит для расчета.

Несомненно, подобная аппроксимимация не подходит для расчет данных управленческого учета. Однако для расчета маркетинговых целей, оптимизации рекламных кампаний ее точность более чем достаточна. Кроме того, по желанию ее можно усложнить введя расчет валовой прибыли отдельно для каждой модели.

— Данные о продажах слишком часто меняются, чтобы прогнозировать распределение будущих продаж на основе данных прошлого отчетного периода.

Опять же, использовать подобное прогнозирование в целях управленческого учета — это одно, а в целях оптимизации рекламных кампаний — другое. Кроме того, можно ввести более сложное планирование продаж по модельно в следующем квартале на основе данных не только прошлого квартала, но и данных продаж одноклассников и данных за прошлый год.

— Пошаговое руководство очень сложное. Много действий необходимо сделать, пока получишь нужные данные для оптимизации рекламных кампаний.

Запуск и осуществление всех вышеперечисленных действий у профессионального агентства с опытом подобных работ займет не более 8 рабочих часов без учета создания рекламного кампании. Т.е. фактически 1 рабочий день, и рекламодатель получает настроенную систему веб-аналитики с расчетом рентабельности маркетинговых затрат ROMI. Также заметим, что тренды интернет-маркетинга на западе говорят о том, что без подобной работы уже в ближайшем будущем невозможно будет размещать интернет-рекламу с уверенностью в экономическом результате.

Антон Черноталов специально для http://www.automarketolog.ru/

Напишите нам
для начала сотрудничества
Расскажите больше о своем проекте и мы бесплатно проведем аудит вашей рекламной кампании.
Политика обработки персональных данных
Напишите нам
Интересующие услуги
Бюджет в месяц, у