Кастомные рекламные отчёты в Power BI как драйвер роста: опыт DirectLine

Готовые сервисы не удовлетворяли наши потребности

Маркетолог, который пытается создать единый отчёт со всеми данными по рекламным кампаниям (РК), сталкивается с рядом проблем:

Отсутствие прямой интеграции между системами

Например, если в Яндекс.Метрике мы можем посмотреть расход бюджета в Яндекс.Директе, то посмотреть там же расход бюджета в Facebook Ads Manager без сторонних сервисов и ухищрений не удастся.

Большие трудозатраты

Скачивание файлов со статистикой из каждого рекламного кабинета, приведение их к общему виду и объединение порой могут занимать больше времени, чем непосредственно ведение РК. В результате у специалиста остаётся мало времени на тестирование гипотез.

Отсутствие оперативности

Эта проблема вытекает из предыдущей: не имея достаточного количества времени, специалист может упустить важные изменения в РК.

Человеческий фактор

Пропущенная строка в скачанном файле, другой формат чисел, неучтённый НДС грозят потерей или неверным подсчётом данных.

Обойти эти проблемы помогают сервисы сквозной аналитики — такие, как Roistat, OWOX BI, CoMagic, Alytics. Мы поработали с некоторыми из них, однако ни один не подошёл для решения наших задач из-за таких ограничений:

❌ Недостаточная гибкость. В большинстве систем нельзя группировать данные по собственным критериям (например, по одному товарному направлению), создавать свои метрики (к примеру, конверсии из оформленных заказов в доставленные заказы) и оперативно подключать дополнительные источники данных.

❌ Потеря информации. В некоторых случаях мы фиксировали расхождение данных между сервисом и рекламным кабинетом.

❌ Узкие возможности визуализации. Функциональности большинства систем недостаточно для создания собственных визуальных элементов — например, данные можно отобразить только в виде таблицы и диаграммы.

❌ Высокая цена. Для некоторых небольших клиентов стоимость подключения сервиса сквозной аналитики может быть сопоставима с рекламным бюджетом.

Столкнувшись с вышеперечисленными нюансами, мы решили создать кастомную систему, которая отвечала бы нашим нуждам, — осталось выбрать инструмент.

Power BI привлёк нас рядом характеристик

Бесплатные коннекторы

Среди наиболее популярных и удобных бесплатных инструментов для визуализации отчётов — Google Data Studio и Power BI от Microsoft.

В Google Data Studio коннекторов меньше, к тому же некоторые из них платные — например, интеграция с Яндекс.Метрикой и Яндекс.Директом происходит через коннектор от Supermetrics.

Автоматический сбор данных

Интеграции настраиваются один раз с помощью коннекторов или скриптов. Затем данные подгружаются автоматически в соответствии с расписанием обновления данных — к примеру, каждый день в X часов X минут.

Раньше, чтобы посчитать конверсию и стоимость лида с Facebook, нам приходилось:

• выгружать статистику по кликам и расходам из рекламного кабинета,
• выгружать данные по количеству лидов, зафиксированных Яндекс.Метрикой по UTM-меткам,
• приводить эти данные к единому виду, где количество лидов делилось на количество кликов — так мы узнавали конверсию канала, а расходы делились на количество лидов — так мы узнавали стоимость лида.

Поскольку данные в Power BI обновляются автоматически, как и показатели по конверсии и стоимости лида, сейчас мы избавились от этих лишних итераций и сократили трудозатраты на отчётность.

Доступность данных в режиме 24/7

Благодаря автоматическому обновлению данных можно сразу анализировать изменения.

Точность

Статистика выгружается по API напрямую, без подключения сторонних сервисов и промежуточной обработки, поэтому данные в Power BI идентичны данным из выбранных рекламных или аналитических систем. Это важно: расхождения мешают отслеживать реальную эффективность рекламных каналов.

Например, расходы по медийной рекламе Яндекса не отображаются в Яндекс.Метрике. Или данные по расходам рекламных кампаний из кабинета Google Ads отличаются от тех, что показываются по тем же самым кампаниям в Google Analytics. Случается также, что в рекламных кабинетах не учитывается налогообложение.

На этом примере видно, что данные в рекламном кабинете Facebook совпадают с данными в Power BI:

Экономия времени

Отчёт в Power BI настраивается только один раз. Обновляются данные за несколько минут, что позволяет специалисту тратить больше времени на глубокий анализ и принятие решений по оптимизации рекламы.

Возможность работать с большим объёмом данных

Просто взгляните на один из наших отчётов:

Эта характеристика позволяет объединять в одном отчёте большое количество направлений в различных срезах: регионов, каналов и других.

Гибкость системы

Можно достаточно быстро перестроить отчёт под свои нужды: добавить какую-либо дополнительную метрику, группировку, источник данных.

Экономия средств

Использование Power BI предполагает только оплату услуг специалиста без лишних покупок и расходов на обеспечение работы сервиса.

Широкие возможности для визуализации

Существует множество различных форматов представления данных, что позволяет создавать наглядные и простые для восприятия графики.

Веб-версия отчёта

Даже если мощность компьютера или операционная система не позволяют использовать десктопную версию, отчёт можно увидеть в браузере.

Мобильная версия

В удобном мобильном приложении можно посмотреть отчёт в пробке или дома на диване. Это позволяет нам быть готовыми к обсуждению работы с клиентом независимо от внешних обстоятельств.

Перейдём к демонстрации отчётов.

Показываем стандартный отчёт в Power BI: группировки, показатели, визуальные элементы

Для начала пройдёмся по стандартному отчёту и тем инструментам, группировкам и визуальным элементам, которые добавляются в 90% случаев — практически для каждого клиента.

Далее рассмотрим несколько отчётов для наших клиентов, которые мы кастомизировали в соответствии со спецификой проекта.

Кастомные отчёты в Power BI: делимся примерами из практики

 Отчёт для крупного интернет-провайдера

Основные конверсии: заявки с форм на сайте и лид-форм.

Интеграция с CRM-системой

Помимо стандартного набора показателей — расход, клики с рекламного канала и другие — в этот клиентский отчёт мы добавили дополнительные метрики:

• количество подключений с каждого рекламного канала (подключение — подтверждённая пользователем заявка на оказание какой-либо услуги);
• стоимость заявки;
• процент конверсии из лида — заявки с контактными данными ⟶ в подключение — подтверждённый монтаж устройства или услуга.

Получить данные о количестве нам удалось благодаря интеграции Power BI с CRM-системой клиента. Подключения в данном случае можно приравнять к продажам, так что можно видеть их количество, конверсию, прибыль и ROMI.

Объединение с каналами получения лидов

Клиент получает контактные данные потенциальных заказчиков несколькими способами: через форму на сайте, лид-формы в соцсетях и через квиз на сайте (в данном случае через сервис Marquiz).

Чтобы не упустить статистику по каждому каналу получения лидов, мы интегрировали их с Power BI. Это позволило клиенту увидеть основные контактные точки с аудиторией и направить больше усилий в соответствующую сторону.

Детальная разбивка показателей по соцсетям

Отдельно отметим интеграцию с лид-формами и социальными сетями в целом.

В таргетированной рекламе используется огромное количество креативов с разными посылами, поэтому нам важно детализировать данные не только на уровне каналов и кампаний, но и до каждого отдельного объявления.

В Power BI мы видим расход, количество кликов и лидов с каждого из них. Это помогает определять, какой креатив лучше всего конвертируется в заявку.

Учёт данных с других источников трафика

Помимо рекламных источников клиент попросил отслеживать визиты на сайт по UTM-меткам, в частности переходы из email-рассылок и из приложения через push-уведомления.

Если есть необходимость отображать переходы из поисковых систем, то функциональность Power BI позволяет добавить и их.

Отчёт для одного из крупнейших производителей отопительного оборудования в России и странах СНГ

Основные конверсии: лиды с сайта + оформленные онлайн-заказы.

По набору показателей РК этот отчёт похож на предыдущий.

Отображение показателей, позволяющих эффективно расходовать рекламный бюджет

Для каждого маркетолога важно, чтобы рекламный бюджет клиента не израсходовался раньше положенного срока. Чтобы мониторить бюджеты в рекламных системах Яндекс.Директ и Google Ads, мы настроили выгрузку их остатков и отображение количества дней до конца отчётного периода.

Однако для максимально эффективной ежедневной демонстрации рекламы одного остатка бюджета недостаточно. Поэтому дополнительно мы настроили такие показатели:

• средний расход за 3 дня;
• необходимый расход в день (остаток бюджета / остаток дней);
• отклонение между «Сколько тратим» и «Сколько тратить».

Эти данные показывают, что на рекламу в данный момент тратится:

• слишком много ⟶ нужно сбавить обороты на процент отклонения;
• слишком мало ⟶ самое время усилиться на процент отклонения;
• оптимальное количество средств — за счёт идеально подобранных ставок и дневного бюджета.

Интеграция медийных показателей эффективности

В процессе продвижения для увеличения узнаваемости бренда и стимулирования спроса важно задействовать медийную рекламу.

Чтобы отслеживать эффективность по уже настроенным медийным инструментам — от графических объявлений до видеороликов на YouTube, мы интегрировали статистику и добавили важные именно для медийной рекламы показатели:

• показы;
• CPM;
• просмотры на YouTube;
• CPV.

Эти показатели помогают отслеживать эффективность каждого отдельного канала и решать, куда лучше распределить средства и какие инструменты нужно оптимизировать или отключить.

Разбивка по товарным направлениям

У клиента несколько товарных направлений. Каждое имеет свой период спроса, а значит РК нужно усиливать в разное время.

Такая разбивка помогает отслеживать дисбаланс в расходе средств на рекламу разных типов продукции и в целом видеть эффективность каждого из них.

Разбивка по регионам

Реклама показывается в огромном количестве регионов. Результаты по каждому региону нужно отслеживать отдельно. Логика группирования по регионам схожа с логикой группирования по направлениям.

Благодаря раздельной статистике мы видим, какие регионы требуют оптимизации РК, а где рекламу для большей эффективности можно усилить.

Для оперативного контроля мы настроили сравнение показателей отчётного периода с данными за предыдущий месяц по каждому региону отдельно:

Соблюдение баланса между крупными и малыми регионами

Одна из задач по данному проекту — соблюдение определённого процента расходования средств от общего бюджета на два крупнейших региона: Москва + Московская область и Санкт-Петербург + Ленинградская область. Это нужно, чтобы получать конверсии не только из столиц, но и из других регионов.

Для отслеживания доли мы настроили диаграммы, на которых видно, какой регион в каком соотношении от общего числа показывает определённую эффективность — процент кликов, процент расходования средств и общий процент конверсий и лидов. Это помогает нам балансировать между всеми регионами, не зацикливаясь на продвижении только в двух крупнейших.

Отчёт для крупного универсального интернет-магазина

Основные конверсии: онлайн-покупки.

Парсинг данных с большого количества файлов Excel

При подготовке отчёта для этого клиента мы столкнулись с серьёзной проблемой: система клиента не поддерживает работу с API, поэтому данные по продажам выгружаются только в Excel-файл.

Каждый день нам приходит около 10 файлов. Копирование статистики или интеграция с каждым из них занимает много времени.

Так как Power BI поддерживает язык R, мы написали небольшой скрипт, позволяющий парсить информацию с файлов в нужной папке и отправлять их сразу в Power BI.

Так процесс обновления сократился до двух действий: помещаем файлы с данными по продажам в определённую папку и нажимаем кнопку «Обновить» в Power BI.

Детализация — наше всё

В рекламных кабинетах клиента содержится множество кампаний и ещё больше групп объявлений. Каждая из них — отдельное товарное направление. Все группы размечены уникальными тегами.

В отчётах по продажам — те самые эксельки, о которых мы сказали выше, — есть полная информация о покупках по тегам групп объявленией: сколько товаров купили, на какую сумму, сколько вернули и другие.

Сопоставив в Power BI данные по расходам из рекламных кабинетов — для чего интегрировали статистику из них — и данные из отчётов по продажам, полученные через парсинг, мы внедрили сквозную аналитику. Теперь мы видим ROAS, ROMI, ДРР в пределах от макроуровня (сайта) до микроуровня (группы объявлений или товарного направления) и можем принимать решения об отключении или усилении товарных направлений.

Но это ещё не всё ? В рекламных кабинетах есть разбивка статистики по типам устройств: ПК, планшеты и мобильные. Также разбивку по типам устройств — покупка с ПК или с мобильного — предоставляет CRM. Мы сопоставили эти данные и видим, с каких устройств какие товары покупают чаще, а с каких вообще ничего не покупают. На основе этих данных внедряем корректировки, увеличивая тем самым отдачу от рекламы.