BigQuery от Google — аналитика эффективности рекламы и оптимизация


Дата публикациимая 20, 2021

Работая не первый год с интернет маркетингом, мы часто наблюдаем ситуации, когда digital маркетолог ставит планку в ограничениях аналитики гугл, от чего существенно падает качество и точность отчетного доклада. Хотя обойти такие ограничения можно, не покидая инфраструктуру google. В данной статье AdButton расскажет, как при помощи BigQuery Google разрешить этот вопрос и получить максимальную пользу от имеющихся данных.

Как определить эффективность отчета

Проводя аналитику в маркетинге, в первую очередь, обозначают конкретные цели, для которых она проводится. Это может быть динамика развития рекламной кампании, или уточнение, какие инструменты для контекстной рекламы являются прибыльными, а какие — приносят убыток, а также многое другое.

Ключевая задача аналитического отчета — дать ответ на точно заданный вопрос. Выполняется она замерами и сравнением необходимых показателей, для получения понятной цифровой картины. Это и будет тем самым ответом на стартовые вопросы, который поможет принять решение относительно дальнейших действий.

В случае если во время подготовки доклада вы не учли либо пропустили какие-либо переменные, он автоматически перестает быть объективным и полезным. В результате — принятие ошибочного решения, несущего финансовые убытки и потерю времени.

Система Google Analytics

Для сбора показателей из сервисов рекламы и составления отчетов специалисты отрасли зачастую прибегают к Google Analytics. Это сервис анализа поисковых запросов, входящий в глобальную инфраструктуру Google (соответственно — легко интегрирующийся с другими ее продуктами), большая часть которого бесплатна.

При этом он имеет некоторые ограничения, не позволяющие получить максимальный результат — а значит, оценка базируется на неполных данных.

Например:

  1. Время проведения анализа. Среднее время обработки информации на сервисе — от суток до двух. Это не дает возможности быстро проверить свои представления или строить аналитику в реальном времени. А с учетом того, что ценность анализа снижается со временем, этот момент играет важную роль.
  2. Сэмплирование. Один из основных недостатков платформы — она делает доклад, опираясь на части данных. По финалу можно сказать, что он получается недостаточно точным.
  3. Плохая сочетаемость с сервисами, не относящимися к Гугл. Если работа с внутренней инфраструктурой относительно простая, то интеграция показателей из сторонних источников нуждается либо в ручном вводе, либо если используется ETL платформа.
  4. Агрегация. Представляя каждый отчет о ключевых словах в поисковой сети, сервис создает таблицы, где часть всей информации профильтрована по отдельным категориям — таким как Пользователь или Сессия. Это приводит к тому, что получить реалистичную оценку действий клиента не представляется возможным без вспомогательной обработки. Иными словами — происходит анализ сырых показателей.
  5. Отсутствие автозагрузки из сторонней офлайн-базы и CRM системы. Добавить такие показатели в отчетность можно лишь вручную, без использования автоматической загрузки.

В результате имеем следующее: хоть при помощи Google Analytics и можно собрать основные показатели эффективности рекламы в интернете, и даже сформировать доклад, слишком многие из переменных остаются недоступными. К примеру, можно принять решение про отключение кампании, которая, судя по показателям, является убыточной. Но если информации мало, понять, в самом ли деле проблема в этом канале, можно будет только спустя время.

Google BigQuery в помощь

Для обхождения этих неточностей, специалисты прибегают к системе управления БД — BigQuery (GBQ). Эта система является частью платформы, куда также включено чуть более сорока инструментов для контакта с БД — Google Cloud Platform (GCP).

Основным отличием анализов, сформированных при помощи GBQ, является гибкость и скорость подсчета. Эти доклады реалистичны и стоят доверия. Разумеется, при условии правильной отладки передачи информации из возможных БД, что также доступно при его использовании.

В таблице указаны ключевые отличия между классической Analytics и GBQ:

Отличия между Google Analytics и GBQ

Что и как отнести в BigQuery

Если коротко рассказать о возможностях системы — она может провести аналитику, опираясь на различные переменные.

Среди них — действия пользователя с:

  • рекламным сервисом;
  • приложением для смартфона;
  • сайтом;
  • CRM;
  • формами привязки;
  • другими источниками.

Имея все это в своем распоряжении, система выдает любой анализ: Ropo, Perfomance или другой.

Большинство профессиональных аналитиков уже давно работают с GBQ, в то время как маркетологи называют его слишком сложным, не часто пытаясь разобраться, что и как. При этом существует множество доступных механизмов, при помощи которых можно осуществить сбор данных с сайтов,  очистить их и упорядочить. К тому же, это всё доступно автоматизировать, максимально сокращая временные затраты.

Существуют различные инструменты для маркетинговой отчетности, один из которых — OWOX BI. Он обладает приемлемым функционалом, при этом не предлагает пользователю ничего лишнего, за что нужно было бы платить, но не пришлось бы использовать.

Проводя отладку импорта маркетинговых расходов в GBQ, достаточно определить сервис, где будет интегрирована реклама в интерфейсе механизма (OWOX), и предоставить необходимые доступы. Точно также можно проводить и сбор свежих данных с сайта или приложения для смартфона. Весь процесс несколько сложнее, но сервис предлагает детальную и понятную инструкцию — единожды пройдя её, в дальнейшем можно будет делать всё «на автомате».

Куда девать собранную информацию

После передачи информации от первоисточника к GBQ можно включать фантазию и создавать любые отчеты на основе имеющихся показателей. Один момент — для каждого доклада нужен новый набор данных. Получить его можно либо у своего аналитика, либо там же, где брали изначально — в показателях выбранного инструмента.

Обладая полноценной и структурированной информацией намного проще получить нужные вам показатели. Специальные сервисы для отчетов и их визуализации смогут в этом помочь, вне зависимости от нужд и бюджета аналитической кампании. Это приводит нас к еще одному большому плюсу Google BigQuery — легкость передачи информации другим продуктам.

Одними из самых известных дополнительных инструментов являются Data Studio и Sheets. Первый получил популярность за счет невероятной коллекции шаблонов для визуализации отчетности, что ощутимо экономит время. Если вы не нужны услуги аналитика контекстной рекламы, достаточно выбрать шаблон и загрузить данные с GBQ.

В случае со вторым, Google Sheets, наверное, нет маркетолога, не осведомленного об этом сервисе. Он позволяет осуществлять визуализации, диаграммы и интерактивную аналитику. Все показатели из BigQuery можно бесплатно переносить в данный инструмент, к примеру, при использовании Аддон.

Завершение

Качественные, основанные на полных и достоверных данных, маркетинговые доклады привносят много пользы в организацию рекламной кампании. Лишь обладая полноценной картиной того, что происходит с вашей стратегией, можно будет так скомбинировать весь доступный инструментарий, чтобы его КПД был как можно более высоким. В результате это может стать решающим фактором успеха вашей кампании, ведь в мире большой конкуренции просчитанные решения — залог успеха.


Ирина Леонова

Ирина является автором множества статей и публикаций на тему интернет-рекламы, маркетинга, монетизации и продвижения сайтов с более чем 10-летним опытом. Благодаря консультациям, разговорам, публикациям, обучению и наставничеству, она пишет качественные статьи и публикации.

Похожие статьи

0 Комментариев

Оставить комментарий
Добавить комментарий