Наскрізна аналітика для MOYO: як оцінити ефективність медійної реклами

Яка реклама справді працює? Усе більше брендів інвестують у медійні кампанії, але не завжди можна чітко оцінити їхню ефективність. Для MOYO ми побудували наскрізну аналітичну систему, яка об’єднала різні джерела даних — від Google Ads до CRM — в одну панель для прийняття рішень.

Про клієнта

MOYO — український оміканальний ритейлер електроніки та побутової техніки з мережею з 85 магазинів у понад 45 містах, інтернет-магазином і мобільним застосунком. Покупцям доступний широкий асортимент техніки та електроніки від провідних брендів, а також послуги доставки, кредитування, консультації та підтримка 24/7 в контакт-центрі.

Що потрібно було вирішити

• Побудувати ефективну систему звітності для оцінки рентабельності маркетингових інвестицій у медійні рекламні кампанії, спрямовані на підвищення обізнаності та охоплення цільової аудиторії, а також на стимулювання попиту на різні категорії товарів.
• Зрозуміти, як працює кожна з медійних активностей і який вплив вона має на продаж.
• Визначити, куди варто інвестувати більше, а від яких інвестицій слід відмовитися.

З чим ми зіткнулися

Велика кількість різноманітних рекламних випадків та оголошень, сегментованих за категоріями товарів та окремими пропозиціями (наприклад, акціями). Просування здійснюється через кілька різних рекламних систем, що ускладнювало аналіз за допомогою стандартних аналітичних інструментів.

Як ми це вирішили

Для створення єдиної екосистеми аналізу медійних рекламних кампаній ми запропонували зосередитися на продуктах Google, зокрема:

• Campaign Manager 360 — використовується для трекінгу та аналізу ефективності різних рекламних каналів і форматів. Інструмент дозволяє визначати внесок кожного рекламного контакту в досягнення транзакцій за допомогою різних моделей атрибуції, а також аналізу post-view та post-click конверсій.

• BigQuery — забезпечує зберігання та обробку великих масивів даних у хмарі.
• Looker Studio — використовується для візуалізації даних, що полегшує подальший аналіз та прийняття обґрунтованих рішень щодо ефективності активностей і розподілу інвестицій.

Покрокова реалізація

Підготовка системи

• Створили кабінет у Campaign Manager 360 та розробили структуру, що відповідала потребам рекламних кампаній клієнта.
• Створили лічильник Floodlight та налаштували всі необхідні конверсії й Custom Dimensions. Це дозволило передавати Client ID, за допомогою якого можна ідентифікувати користувачів та відстежувати їхню поведінку.
• Налаштували лічильники для відстеження показів і кліків для всіх медійних рекламних активностей клієнта. У 2023 році відстежили понад 900 креативів, а у 2024-му — понад 800.
• Створили екосистему проєкту, яка охоплює весь процес збору, обробки та візуалізації даних з рекламних платформ. Вона забезпечує повне розуміння того, які дані збираються, передаються між системами і які інструменти застосовуються на кожному етапі. Ця схема стала основою проєкту.

Інтеграція та збір даних

• Передали дані з CRM-системи клієнта у BigQuery. Основні дані — дохід і транзакції, розділені за товарами та їхніми категоріями (враховано, що одна транзакція може містити кілька різних товарів).
• Інтегрували дані з Google Analytics 4 (GA4) у BigQuery через API — створили трансфер даних для автоматичного перенесення.
• Доповнили дані за допомогою call tracking: телефон клієнта, який зробив замовлення, зіставляється з номерами, відстеженими системою колтрекінгу, через спеціальний скрипт на основні API Binotel.
• Передали дані з усіх рекламних систем, які використовує клієнт (Hotline, E-Katalog, Google Ads). Це дозволило врахувати рекламні витрати з розподілом за джерелами, каналами, кампаніями та ID товарів.
• З Campaign Manager за API передавали User ID, назви кампанії / оголошень, post-click і post-view конверсії, їхню дохідність і час.
• Імпортували дані з Display & Video 360.

Кожен етап мав свої особливості. Наприклад, для вивантаження даних з GA4 ми створили спеціальний запит, який обробляє інформацію про початок сесій, що дозволяє розрахувати витрати в ланцюжку до конверсії.

Обробка інформації

• Розробили екосистему скриптів на Python для обробки сесій з GA4, витрат з рекламних систем і post-click та post-view конверсій із Campaign Manager.
• Для атрибуції транзакцій із GA4 використовували AP — стандартний експорт у BigQuery не давав потрібних історичних даних.
• Забезпечили щоденне оновлення таблиць у BigQuery. Щоб уникнути дублювання та втрати даних, додали стримінг і паралельну обробку.
• Інтегрували Cloud Functions для масштабного запуску скриптів. Завдяки конфігураціям у Google Sheets можна створювати нові звіти без зміни коду.
• Реалізували функцію оновлення постійних таблиць через тимчасові дані, що дозволило легко інтегрувати їх у Looker Studio як стабільне джерело.

Візуалізація результатів

• Створили інтерактивні дашборди в Looker Studio для відображення ключових показників ефективності: показів, кліків, конверсій, витрат, доходу, транзакцій.
• Додали фільтри для гнучкого аналізу за періодами, джерелами трафіку та категоріями товарів.

• Забезпечили автоматичне оновлення даних через BigQuery для актуальності звітів.
• Діаграми наочно показували ефективність креативів і кампаній, включно з post-click і post-view конверсіями.
• Автоматизація оновлень та інтуїтивний інтерфейс значно спростили доступ до аналітики.

Що отримав клієнт

У межах проєкту ми створили єдину наскрізну систему звітності, яка об’єднала дані з Google Ads, Campaign Manager, DV360, GA4 та CRM. Це дало змогу:

• комплексно оцінювати ефективність медійних кампаній через аналіз post-view і post-click конверсій;
• бачити вплив медійної реклами на пошукові та конверсійні кампанії;
• відстежувати рентабельність інвестицій за кожною активністю;
• інтегрувати всі дані через API у хмарну інфраструктуру;
• керувати звітністю без зміни коду — через Google Sheets

Результат: клієнт отримав інструмент для прийняття рішень, заснованих на даних, і повний контроль над ефективністю рекламної стратегії. Це дозволило масштабувати бізнес, збільшити продаж та оптимізувати маркетингові витрати.