SEMrush esettanulmány: Miért kell nyers költségadatokat gyűjteni a Facebook Ads-en?

esettanulmány

Kap teljes áttekintést a marketing teljesítményéről

A SEMrush egy szolgáltatás a webhelyek láthatóságának kezelésére a keresési eredmények között. Ez magában foglalja a SEO, a PPC, a kampánykezelés, a tartalommarketing és a marketingkutatás platformjait. A SEMrush-nak világszerte több mint 5 millió felhasználója van, és az eBay-t, a Quora-t és a Booking-ot számolja. com, a BNP Paribas és más vállalatok az ügyfelei között.

Az egyes régiók SEMrush közönségének megvannak a saját jellemzői, és a felhasználók vonzása érdekében gyakran nem elegendő csak a hirdetésekre leadott kattintásokat nyomon követni. Ezért a reklámkampányok hatékonyságának helyes értékeléséhez a SEMrush-nak sokkal többre van szüksége, mint a kattintásokra, ráfordításokra és az UTM-címkékre vonatkozó statisztikák.

Ebben a cikkben Konstantin Perevozchikov, a SEMrush adatelemzője elmondja, hogy csapata hogyan használja fel az OWOX BI Facebook Ads → Google BigQuery csővezetékével összegyűjtött nyers adatokat a hirdetési kampányok hatékonyságának elemzéséhez.

Tartalomjegyzék

Miért kezdtük el használni a Facebook Ads → Google BigQuery csővezetéket?

Kétféle módon gyűjtöttük a költségadatokat a Facebook hirdetési számlákról:

  1. Importáljon költségadatokat, kattintásokat, megjelenítéseket és UTM-címkéket az OWOX BI Facebook Ads → Google Analytics pipeline segítségével, majd töltse fel a Google BigQuery-be a Google Analytics → Google BigQuery pipeline segítségével.
  2. Használja a SEMrush csapat által írt saját szkriptjeinket, amelyek feltöltenek bizonyos adatokat egy Facebook hirdetési fiókból a Google BigQuery-be.

Ennek a megközelítésnek számos hátránya volt.

Először nem kaptuk meg az összes szükséges adatot. Például nem kaptuk meg a hirdetési régió adatait és a felhasználói műveletek költségének kiszámításához szükséges adatokat a hirdetésmegtekintések után. Ezenkívül manuálisan kellett összekapcsolnunk és figyelemmel kísérnünk a különböző számlák adatait és különböző dátumokra.

Másodsorban támogatnunk és véglegesítenünk kellett saját megoldásunkat, így az megoldotta az összes adatgyűjtési feladatunkat, és készen állt a Facebook API rendszeres változtatásaira. Ehhez folyamatosan fizetnünk kellett a programozóknak, időt és pénzt költenünk.

Ezért úgy döntöttünk, hogy kipróbáljuk az új Facebook Ads → Google BigQuery folyamatot az OWOX BI-tól. Ez a folyamat kényelmes formátumban összegyűjti az összes szükséges adatot, figyeli annak relevanciáját és a dobozból kiindulva működik, így nem kell semmit tennie manuálisan az adatok egyesítéséhez.

Sok hasznos adat

Az OWOX BI körülbelül 200 mezőt tölt le különféle adatokkal a Facebook hirdetési fiókokról.

Ez azért fontos, mert minden SEMrush terméknek külön fejlesztői és marketing csapata van, és minden csapatnak saját promóciós költségvetése van.

Számolni kell nemcsak a munkamenet, hanem az egyes munkamenetek költségeivel is, hogy értékelje az egyes csapatok hirdetési beruházásainak hatékonyságát. És nem a munkamenet, hanem a művelet költségeit kell hozzárendelnie. Így biztosan tudni fogjuk, hogy a W, Y és Z konverziós műveletekért X összeget fizettünk, ami vagy elfogadható számunkra, vagy sem. Ezután minden csapat kiszámíthatja a műveletenkénti költséget (CPA), még akkor is, ha ugyanabban a munkamenetben több kulcsfontosságú művelet volt.

A Facebookról az OWOX BI segítségével megszerzett adatok lehetővé teszik a mély elemzések felépítését.

Ehhez 150 speciális szkript segítségével ötvözzük a költségadatokat a weboldal felhasználói viselkedésének adataival (külön OWOX BI csővezetékkel letöltött formában). És minél részletesebb adataink vannak a reklámfiókokról, annál pontosabb értékelést adunk a felhasználói műveletekről.

Ezenkívül a Facebook Hirdetések → Google BigQuery csővezeték a következő adatokat tölti le, amelyek fontosak a hirdetésekhez:

Konverziós cél - Ennek a mezőnek köszönhetően láthatjuk, hogy a hirdetési kampány milyen céllal készült, és megértjük, hogy a felhasználó a konverziós csatorna melyik szakaszában van (például regisztráció vagy próba).

Reklám link - Lehetővé teszi számunkra, hogy pontosan hozzárendeljünk egy érintési pontot és egy konkrét reklámot.

Hirdetési aláírások a szalaghirdetéseken - Munkánk során a reklámfiókok mélyen beágyazott struktúráját alkalmazzuk. A szalaghirdetések aláírásával a kampányokat maximális részletességgel mérhetjük és jelölhetjük meg. Ezután pontosan meghatározhatjuk a célokat, és társíthatjuk a kampányokat a tevékenységekhez.

Sok szövegmező (például kampánynév és hirdetéskészlet) - Különleges szkripteket írtunk, amelyek az ilyen mezők értékeit letöltik a BigQuery-ből a Google Táblázatokba. Ezután a marketingszakemberek felhasználják őket a hirdetési számlák gyors és pontos megjelölésére.

Költségstatisztika országonként

A SEMrush egy nemzetközi termék, és fontos számunkra, hogy elemezzük a hirdetések hatékonyságát a különböző régiókban. Például az Egyesült Államokban és Indiában más a kattintás költsége. Ez azt jelenti, hogy a végső CPO országonként eltérő.

A Facebook Ads → Google BigQuery folyamat egyik fő előnye számunkra az, hogy a vezeték különböző országokban lévő hirdetési számláról szolgáltat adatokat.

A Facebookról letöltött nyers adatok felhasználásával megtudhatjuk, hogy egy adott országban mennyi pénzt költünk konkrét kampányokra. Ezután hozzárendelhetünk érintési pontokat a felhasználókhoz, és kiszámíthatjuk ezen kampányok megtérülését.

Nyomon követjük a hirdetések működését a közönség földrajzától függően, és országonként finomhangolhatjuk a kampányokat.

Eredmények

A Facebook Ads → Google BigQuery csővezeték nagyban leegyszerűsíti a hirdetési kampányok hatékonyságának elemzését.

  • Összegyűjtjük az összes szükséges adatot, és további szkriptekre csak speciális esetekre van szükség, például az egyes felhasználói műveletek vonzásának költségeinek kiszámításához.
  • Az OWOX BI sok fontos adatot tölt le számunkra, köztük olyan fontos adatokat, mint például a régiós adatok, amelyek lehetővé teszik a hirdetési költségek földrajzi megoszlásának mérését.
  • A folyamat automatikusan összegyűjti az összes Facebook hirdetési fiókunk adatait egyetlen particionált Google BigQuery táblázatba. Ez nagymértékben leegyszerűsíti a költségelemzést.
  • A folyamat nyomon követi a letöltött adatok relevanciáját. Ha az adatok visszamenőlegesen változnak a hirdetési fiókban, az OWOX BI frissíti a BigQuery alkalmazásban.
  • Ezenkívül az OWOX BI csapata segített nekünk az előző három év történelmi adatainak letöltésében a Facebook hirdetési fiókjainkból. Így értékelhetjük a kampánydinamikát, valamint nyomon követhetjük azokat a legfontosabb változásokat a múltban, amelyek jelentősen befolyásolják a jelenlegi kampányok eredményeit.
  • Nincs szükségünk programozók bevonására az adatgyűjtés és -konszolidáció beállításához, mivel a dobozon kívüli OWOX BI folyamat mindent megtesz, amire szükségünk van.

A közeljövőben azt tervezzük, hogy elhagyjuk a legtöbb írott szkriptet, és a Facebook Ads-adatokat (és a LinkedIn-adatokat is) csak OWOX BI-csővezetékekkel gyűjtjük össze.