Перейти к содержимому



Купить ссылку здесь
Фотография
- - - - -

Анализ базы ретаргетинга средствами рекламного кабинета ВК

Форум ZiSMO.biz
1
В теме одно сообщение

OFFLINE Отправлено

forts
группа пользователя

    Мои Qiwi / на ваши WMR 1к-1к

  • Cообщений: 849
  • Поинты: 212
  • Предупреждений: 0
  • Онлайн:27д 6ч 50м
82
hZrdTLWdmKM.jpg

Используй то, что под рукой или Пошаговый план анализа клиентской базы

Чтобы рекламная кампания была эффективной, важно знать, кому она адресована. И распространенного «Моя ЦА — женщины 18-45 лет, живущие в России» явно недостаточно. Мотивы поведения, принятия решений будут совершенно разными у задерганной молодой мамы-студентки и уверенной в себе бизнес-леди, пусть они даже сестры и живут в одной квартире. Слишком разные у них интересы, заботы, окружение и пр. Значит, и рекламные посылы для каждой должны отличаться. 


Уточнить описание аудитории поможет анализ сообщества (своего или конкурентов). Если же их нет — не все потеряно. Наверняка есть «козырь в рукаве» — сайт с кодами ретаргетинга (они же установлены, правда? Если нет — срочно ставьте!). Значит, можно поработать с собранной базой. Не все, кто посещает сайт — потенциальные клиенты, поэтому возможны погрешности. Но даже с учетом этого вы сможете получить более полное представление о своей аудитории. 

Еще лучше, если у вас есть клиентская база или список владельцев бонусных карт — здесь данные будут точнее. 
Если у вас нет ссылок на профили в ВКонтакте ваших клиентов, к сожалению, Церебро и другие сервисы вам не помогут - ВКонтакте не отдает информацию по e-mail-ам или посетителям сайтов. В этом случае мы будем анализировать их прямо в рекламном кабинете. 

Итак, приступаем. Я буду разбирать базу владельцев бонусных карт кафе-столовой в городе с населением 600 тысяч человек. Предварительно в течение недели администраторы по моей просьбе записывали пол и возраст гостей (на удивление, практически никто не отказывался ответить на вопрос о возрасте, даже женщины) в пиковое время посещения (утро, обед, вечер). 

Анализируя базу, я хочу: 
 

  • Узнать, кто чаще оформляет карты — мужчины или женщины;
  • Выявить самый распространенный возраст гостей;
  • Определить основные категории интересов.

Я буду знать, на кого ориентироваться при составлении контент-плана сообщества, выборе подачи материалов. А при проведении тестовой рекламной кампании смогу более рационально потратить деньги клиента и свое время, так как буду лучше понимать, куда именно надо целиться. 

Шаг 1

Создаем файл в Excel или таблицу в Google — что вам удобнее. Мой образец можно взять здесь

 



Сначала определимся с половозрастной структурой нашей базы. В моей таблице названия столбцов — это пол и возрастные интервалы. 

Названия остальных столбцов такие:

  • Мужчин
  • До 18
  • 18-21
  • 21-24
  • Возраст не указан (всего мужчин за минусом количества в каждом возрастном интервале)

Аналогично группа столбцов для женской половины:

  •  Женщин
  •   до 18
  •   18-21
  •   21-24
  •   …
  •   …
  •   Возраст не указан (всего мужчин за минусом количества в каждом возрастном интервале)
  •   Пол не указан (итого минус мужчины минус женщины — можно не заполнять, обычно это количество несущественно)


Хочу обратить ваше внимание, что количество профилей в каждом интервале будет немного искажено за счет граничных возрастов. Самые точные данные можно получить, если выставлять «от 17 до 17», но в большинстве случаев такая точность не нужна. 

Шаг 2

Если предстоит работа с базой номеров телефонов или электронных адресов клиентов, загружаем ее в рекламный кабинет. 

Шаг 3

Создаем в рекламном кабинете новое объявление, в настройках выбираем нужную нам базу ретаргетинга. Если надо, выставляем в настройках нужное гео. 

Шаг 4

Заполняем данные в разрезе пола, подсчитываем общее количество мужчин и женщин в каждом возрастном интервале. В полноэкранном режиме мне это делать неудобно, поэтому помещаю рядом два окна: 
 

J9aF1hgycRU.jpg

Полученные результаты выводим в виде гистограммы (или другого вида диаграммы, который вам кажется более наглядной). 
 

ZcKP7w59bUQ.jpg

Шаг 5

Смотрим, что получилось. Из 268 человек пол не указан у 2, мужчин в базе 99 (37%), женщин почти в 2 раза больше — 167 (63%). Вполне предсказуемый результат, так как женщины обычно более склонны соблюдать режим питания. Причем не только в плане количества приемов пищи (перекусить ведь можно и «на бегу», что и делают многие мужчины). По записям администраторов соотношение мужчины/женщины было немного другим — 41:59. Возможно, доля женщин выше именно среди постоянных посетителей или они просто охотнее оформляют бонусные карты. Этот вопрос можно будет обсудить с клиентом, а ему, в свою очередь, — «попытать» администраторов, оформляющих карты. Для нашего анализа эта разница несущественна. 

Возраст не указан у 36 человек. Основная масса владельцев бонусных карт попадает в возрастной интервал до 27 лет. Причем 87, то есть примерно треть из указавших возраст, — это молодежь до 21 года, возможно, студенты ВУЗов. 

В моем случает это очень важный нюанс и повод провести более подробный анализ по возрастам: проведенные среди студентов опросы показали, что они если и питаются в кафе, то делают это между парами. ВУЗы расположены минимум в 10 минутах ходьбы, то есть даже с учетом быстрого обслуживания на перемене покушать студенты не успевают. Поэтому раньше при анализе ЦА я предположила, что в нашем случае студенты — не слишком перспективный сегмент ЦА. Важно выяснить, была я права или нет, потому что студенты — довольно многочисленный сегмент.  Пишу себе в план несколько вариантов для дальнейшего анализа: 
 

  • слегка изменить возрастные рамки: до 17, 17-23 (наиболее вероятный студенческий возраст), 23-27;
  • проверить список находящихся рядом ВУЗов, выставляя год окончания с 2016;
  • проверить список сообществ этих ВУЗов.

Этим я займусь позже, а пока идем дальше. 

Шаг 6

Названия строк в моем файле — это категории интересов, их 42. Для удобства дальнейшей работы они в файле продублированы перед столбцами, относящимися к мужской и женской аудитории. 
 

o_XxQhyqqCI.jpg


При анализе большой базы самый достоверный вариант, я считаю, получится, если категории интересов заполнять для каждого возрастного интервала отдельно для мужчин и женщин. Для малых баз тратить время на это вряд ли оправданно — выборки будут нерепрезентативными. 

Поэтому мне на данном этапе нужны только 3 столбца: общее количество, мужчин, женщин. Остальные пока скроем. Данные в этих столбцах я заполню по всем категориям, а уже потом для анализа отберу несколько основных. 
 

qWYCzWvb0l8.jpg

  

Шаг 7

Поочередно выбираем категории интересов, в правой колонке смотрим размер аудитории (всего, мужчин, женщин), вносим в файл. 

Шаг 8

Теперь нам нужно выяснить категории-лидеры в целом и отдельно для мужчин и для женщин. Отображаем все столбцы, выделяем нужные массивы, сортируем по убыванию количества. 
 

Ip09AEMRPvw.jpg

 

q2zbxHew6JQ.jpg


Лишние строки скрываем, чтобы не мешали. Сколько оставить — смотрите сами, 10-12 категорий, на мой взгляд, достаточно. 

В моей базе после лидеров «Кино» и «Развлечения» идут 10 категорий, доля которых не сильно отличается. Поэтому в данном случае (без разбивки по полу) я оставляю 12 категорий. У мужчин оставляю всего 5 категорий, потому что дальше идет слишком уж малое количество интересующихся. Это частный случай для маленькой базы. У женщин оставляю 12 категорий, как и в целом. В моем случае они различаются только последовательностью расположения, на больших базах, вполне возможно, категории-лидеры в целом и по каждому полу будут различаться. 

В принципе, этой информации достаточно, чтобы попробовать протестировать выявленные категории интересов и уже потом анализировать результаты по возрастным интервалам. Тем более, у меня база небольшая — углубляться в детали нет смысла. Для больших баз можно сделать разбивку по возрасту в каждой из оставшихся категорий (отдельно по мужчинам и женщинам), посмотреть, как различаются интересы внутри каждого из них и тестировать потом уже более узкие сегменты. 

Резюме по выполненной работе.

Для начала приведу результаты с учетом измененных возрастных интервалов.

0R_aQY3I9II.jpg



Среди 268 владельцев бонусных карт почти четверть — 70 человек — попадают в интервал 17-23. Но пересечение со студенческими группами ближайших ВУЗов и колледжей дало всего 9 человек, а отбор по учебным заведениям в настройках вообще ничего не показал. То есть надо искать дальше, что за молодежь регулярно посещает кафе. 

Теперь укрупню интервалы и для более достоверной картины по возрасту в целом добавлю количество ненайденных ВКонтакте аккаунтов к тем, кто не указал возраст. И все это сравню с результатами опросов гостей кафе администраторами:

QnDAEukzxGE.jpg


С высокой степенью достоверности (Все врут! Тем более, в соц.сетях!) больше половины владельцев — это люди до 35 лет, с серьезным преобладанием более молодой аудитории — до 27. Результаты опросов гостей были другими: там получалось смещение в сторону более зрелой аудитории. Еще один пункт на заметку: опросить администраторов, действительно ли молодежь охотнее оформляет бонусные карты. 

Результаты анализа категорий интересов в моем случае вполне предсказуемы.

jSiXkS7FXs4.jpg

В лидерах — самые обычные: кино, развлечения, юмор, красота и мода и т.п. Единственное исключение — категория «Здоровье» оказалась далеко внизу. Я же предполагала, что соблюдать режим питания стараются сторонники ЗОЖ, худеющие и те, кто имеет проблемы со здоровьем. 
При проведении тестовой кампании эти категории-лидеры я буду проверять в первую очередь. 

Идея для анализа подсмотрена-подслушана у Ольги МикуликSocial Hero  , но они подобным образом анализировали сообщества, а не базы ретаргетинга. 

P.S. Если будете анализировать базу, собранную на сайте, есть смысл сравнить полученные результаты в части категорий интересов с данными ЯМ и ГА. 





    • 0
  • Наверх
  • Ответить

OFFLINE Отправлено

hacizade
группа пользователя

    Уровень 5

  • Cообщений: 10 697
  • Друзей:16
  • Поинты: 7 851
  • Предупреждений: 50
618

тс с приват форума какого то льешь инфу?


    • 0
  • Наверх
  • Ответить



Напишите свое сообщение