Кейс «Альфа-Лизинга», Realweb и Tamburin: как оценить вклад медийной рекламы в конверсии

Ни один инструмент анализа медийной рекламы, в том числе по Post-view и Post-click, не дает полной картины о ее влиянии на конверсии. Это происходит из-за ограничений в работе с cookies и невозможности отделить конверсии, которые не произошли бы без медийного влияния. Использование эконометрического моделирования с помощью сервиса Tamburin помогло оценить влияние всех факторов на конверсии и грамотно спланировать рекламные кампании на год вперед. Подробнее о решении Sostav рассказала веб-аналитик Realweb Валерия Нечаева.

Задача«Альфа-Лизинг» — компания, которая предоставляет авто, оборудование и спецтехнику в лизинг для бизнеса любого масштаба. Совместно с клиентом мы ведем размещение по трем основным рекламным каналам: таргетированная реклама, медийная реклама RTB и контекстная реклама.

Основная цель «Альфа-Лизинга» на 2025 год — рост заявок на заключение договоров. Для этого важно спрогнозировать, какой сплит каналов и в каком объеме использовать в рамках текущих размещений.

Перед нами встало несколько задач:

Оценить влияние каждого рекламного канала в сплите на заявки «Альфа-Лизинга».Оценить, как негативные внешние факторы могут повлиять на замедление роста заявок.Оценить емкость рекламных каналов.Спрогнозировать бюджеты на рекламные каналы и отдачу от них на 2025 год.

РешениеЭконометрический анализ позволяет оценить влияние независимых переменных — рекламных активностей и внешних факторов рынка — на зависимую переменную — конверсии. Опираясь на статистику периодов и ретроспективу влияния независимых факторов, мы можем спрогнозировать их влияние на конверсии и в дальнейшем. В основе эконометрической модели лежит уравнение линейной регрессии. Для нахождения регрессионных коэффициентов используется датасет ретроспективных данных с 30 точками измерения.

β0 — базовый уровень конверсий без воздействия всех внешних факторов.β1,β2…βn — коэффициенты, описывающие степень влияния каждого фактора на конверсии.

Однако для целей маркетинга этого недостаточно: медиа демонстрирует нелинейные эффекты, данные часто коррелируют между собой, и обычное уравнение регрессии тут не совсем подходит. Необходимы подходы, позволяющие решить эти задачи и построить более точную модель.

На основе построенной эконометрической модели можно оценить вклад каждого фактора в зависимую переменную, а также прогнозировать ее значения. Например, мы запустили рекламные кампании в «Яндекс Директе» и далее загрузили статистику по данной кампании в датасет для модели вместе с другими факторами влияния. Модель оценивает, как на фоне остальных факторов взаимосвязаны темп роста кликов в контекстной рекламе и темп роста конверсий. Исходя из этого формируется коэффициент, который в дальнейшем позволит спрогнозировать, какой эффект мы получим при изменении бюджета на «Яндекс Директ», а также предельную емкость этого канала.

Наталья Ивановская, CEO Tamburin:

В основе сервиса — эконометрическое моделирование, адаптированное для задач рекламы и маркетинга. Он применяет алгоритмы обработки массивов данных и машинного обучения для построения стратегии роста, учитывая при этом не только ретроспективу продаж, но и все факторы, оказывающие значительное влияние на результат. За счет проведения большей части математических расчетов со стороны платформы можно сконцентрироваться на самых важных логических аспектах: группировке факторов, обработке данных и презентации в понятном клиенту виде.

Для подготовки анализа мы собрали следующие данные с января по ноябрь 2024 года:

Динамика рекламных размещений.Значения ключевой ставки Центробанка.Уровень инфляции в России.Рекламные активности основных конкурентов.Уровень поискового спроса.Государственные праздники (имеет особое влияние на b2b сегмент).Сезонная динамика заявок.

РезультатыСамыми результативными факторами влияния на конверсии за период оказались контекстная реклама и сезонность. Уровень базовой линии заявок также довольно высокий, что говорит о высоком уровне спроса на услуги компании.

Процент вклада рекламы составил 62%, из которой контекстная реклама составила 65%, а внешние факторы повлияли на 35% конверсий. Halo-эффект от кампаний материнского бренда, «Альфа-банка», оказался не таким значительным — около 2%. При этом негативные тенденции на рынке замедлили рост конверсий аж на 72%, особенно это заметно во второй половине года.

На основе построенной модели с учетом AdStock — отложенного влияния на конверсии — были построены графики предельной отдачи по каналам в Tamburin. В результате мы сформировали прогноз на 2025 год с предельными максимально эффективными бюджетами.

Этот график показывает отдачу в конверсиях за определенный период с указанным бюджетом. Таким образом, можно понять, при каком бюджете дальнейшие инвестиции в канал нецелесообразны.

На основе данных о предельной эффективности каналов и прогнозной модели Tamburin подготовил прогноз отдачи от каналов на 2025 год с процентом выполнения плановых показателей «Альфа-Лизинга».

Валерия Нечаева, веб-аналитик Realweb:

Использование эконометрического подхода к оценке размещений позволило более полно оценить влияние каналов на заявки и их синергию, а также спрогнозировать объем и сплит каналов, который позволит достигнуть запланированных kpi.

Не стоит забывать, что такой подход будет работать только при грамотной оптимизации собственных размещений, что позволит нивелировать негативное влияние внешних факторов и продолжить расти: подключение новых площадок и усовершенствование работы с текущими.