Филипп Царевский - Яндекс.Директ. Как получать прибыль, а не играть в лотерею

Зная этот показатель, а также конверсию отдела продаж (сколько поступивших обращений они «закрывают» на покупку) и чистую прибыль с одного клиента, легко подсчитать, прибыльна ли реклама и какова реальная прибыль с каждой продажи.

Однако это общий показатель: ведь с каждого ключевика своя статистика, и на самом деле большая часть ключевиков прибыли не приносит вообще, в то время как несколько «рабочих лошадок» постоянно тебя кормят. Ведение рекламной кампании в том и заключается, чтобы их выявить.

Для расчёта следующих показателей необходимо знать конверсию отдела продаж. (Если она составляет 25 %, то из четырёх обратившихся один точно делает заказ.) Обозначим её как CV2.

ROI (return on investment) – возврат инвестиций: показывает, сколько ты зарабатываешь с одного вложенного рубля:

В идеале ROI надо считать для каждого конкретного региона, кампании, ключевика. Тогда формула получается немного сложнее.

Расчёты:

где Q = средняя прибыль с одного заказа без вычета расходов на рекламу

Если ROI < 100 % – значит мы работаем «в минус». Если ROI = 100 %, доход равен расходам, и только при ROI > 100 % мы получаем прибыль.

Как следствие этой формулы получаем прямую зависимость дохода с одной продажи от конверсии сайта и отдела продаж, наценки на товар и цены за клик. Как видишь, никакого CTR здесь нет. Это не значит, что он не значим совсем, но его влияние на прибыль косвенное. Это легко доказать.

Казалось бы, чем он выше, тем ниже цена клика – тем выше ROI. Но мы помним, что высокий CTR не всегда положительно влияет на конверсию. И здесь каждый случай индивидуален, математической формулой описать их все не получится. А значит, нельзя точно утверждать, что при увеличении или снижении CTR прибыль всегда растёт или всегда падает. Из чего следует, что прямым образом на прибыль он не влияет (что и требовалось доказать).

Может показаться, что чем больше ROI, тем выше общая прибыль. Однако это не совсем так. Напомню: выводя следствие, я указал, что конверсии, цена клика и маржа напрямую влияют на прибыль с одной продажи. Последнее уточнение очень важно. Если ROI с ключевика – 1000 %, но мы имеем лишь две продажи в месяц, прибыль будет примерно в два раза ниже, чем если ROI с того же ключевика будет составлять 200 %, но продаж будет уже семь (любители математики легко посчитают пропорции). На количество продаж с ключевика напрямую влияет количество кликов по нему. А количество кликов напрямую зависит от стоимости клика. Чем выше цена клика, тем выше мы показываемся, следовательно, тем больше кликов. Из практики известно, что при увеличении ставки в X раз количество кликов вырастет в Y раз и X≠Y. То есть зависимость нелинейная. Получается, что при увеличении цены клика мы снижаем ROI (следует из формулы), но зачастую увеличиваем количество продаж.

У каждого ключевика есть свой потолок количества кликов в месяц, так как число показов по ним фиксированное (±10 %) и влиять мы на него не можем. Кроме ставки, на количество кликов влияет и само объявление – насколько оно интересно для пользователей. На это мы можем повлиять с помощью А/Б-тестов, помня, что может измениться и конверсия (подробнее об этом в главе про А/Б-тесты). Из всего этого следует, что для получения максимального эффекта от каждого ключевика необходимо найти для него наилучшее сочетание ставки, объявления, контента на сайте и стоимости товара. От качества сайта зависят конверсии, от ставки – количество кликов, от объявления – и то и другое. Цена товара также влияет на конверсии. При этом часто, поднимая цены, мы снижаем конверсии, но увеличиваем доход за счёт большей маржи.

ROI можно свести к более простому показателю – возврат денег на вложенный рубль. Для этого из формулы достаточно убрать умножение на 100 %. Если получившееся число больше одного – работа в плюс, если меньше – в минус.

Прибыль на клик – ещё один важнейший показатель. Он очень похож на ROI, но в отличие от него PPV отражает зависимость общей прибыли от количества кликов. PPV равен разнице между чистой прибылью с клика и стоимостью клика. Если эта разница больше нуля, реклама эффективна.

Расчёты:

Так же как и в формуле ROI, очевидна зависимость от конверсий, маржи и цены клика. Но в данном случае гораздо проще подсчитать реальную прибыль за месяц. Если известна прибыль с одного клика, то, умножив её на количество кликов, мы получим общую прибыль. На начальном этапе PPV считать лучше в среднем по кампании, а затем, когда набралось уже достаточно статистики (хотя бы 10–20 тысяч кликов), можно рассчитывать этот показатель отдельно для каждого ключевика. Так же как и в случае с ROI, добавлю, что количество кликов увеличивается при увеличении цены клика, причём нелинейно. А значит, необходимо найти такую ставку, при которой и количество кликов будет достаточным, и PPV будет положительным.

Можно составлять гораздо более длинные и сложные формулы, однако в них нет большого смысла: приведённых формул достаточно, чтобы проводить основные расчёты в работе с контекстной рекламой. А более сложные так или иначе будут их повторять и дополнять. К тому же эта книга не инструкция для профессиональных маркетологов и не учебник экономики, поэтому «грузить» тебя специфической информацией я считаю излишним.

Запомни основные рекламные показатели: CTR, CV, CV2, CPL, POI, PPV, показатель отказов, время на сайте, глубину просмотра, количество вернувшихся.

В третьей главе я показал, как установить Метрику и настроить в ней цели. Тогда я упомянул, что без аналитики работа с контекстной рекламой превращается в лотерею. Однако как именно проводить аналитику? Какие смотреть отчёты, на что ориентироваться, что брать за основу? В этой главе мы разберём такие технические вопросы. Я покажу на примерах, как создавать любые статистические отчёты. Освоив принципы, ты сможешь самостоятельно построить любой другой.

Яндекс накапливает огромное количество информации по рекламной кампании – в какое время был произведён данный конкретный клик, сколько денег за него заплачено, сколько минут человек провёл на сайте и какие страницы посетил, что именно он вводил в поиске, который раз и за какой промежуток времени посетил наш сайт, с какого устройства и браузера, из какого города, какое разрешение у его экрана, и наконец, кто он сам, наш посетитель – пол, возраст и даже его долгосрочные интересы. Однако сама по себе эта информация не даст никакой пищи для размышления. Специалист же сможет разобраться в ней и найти слабые стороны, дыры, через которые утекают к конкурентам клиенты.