Як вам підхід у рекламі - протестувати щось тиждень інший, а потім робити висновок про результати? А так роблять багато!
Підхід має право на життя. Тільки за умови, що за цей період вдасться отримати щонайменше кілька сотень кліків.
Але реалії такі, що для більшості ніш та бізнесів таку кількість даних навіть якщо й вдасться отримати, то конверсій, на підставі яких ми робимо висновки, буде зовсім мало.
Нижче розглянемо на прикладі реальної РК (рекламної кампанії) ситуацію, коли тенденція змінюється на очах, адже ми просто беремо більший період. І зважене рішення у разі дозволило використовувати рекламний бюджет ефективніше.
Тематика - Освіта
Географія - Україна
Інструменти - Google Ads
Аналізуємо показники пошукової кампанії у розрізі типів пристроїв за період 2 тижні.
Тут цифри говорять про трохи кращу ефективність ПК (комп'ютерів):
- вартість конверсії нижча, ніж із мобільних;
- коефіцієнт конверсії вищий.
Але за цей період було отримано недостатню кількість кліків, тому давайте візьмемо більший період, наприклад, один місяць (два тижні з попереднього прикладу сюди теж входять).
Як бачимо, коли статистики більше – ситуація кардинально змінилася:
- вартість конверсій з телефонів у 2,5 разів нижча, ніж із ПК;
- коефіцієнт конверсії майже вчетверо вище.
Але щоб переконатися остаточно, візьмемо період ще більше, 3 місяці.
На такій кількості даних, коли по кожному аналізованому сегменту отримано як мінімум 100-200 кліків, очевидно: користувачі з моб. пристроїв краще конвертуються!
Проводити аналіз можна тільки на репрезентативній вибірці, коли достатньо статистики. Так ми мінімізуємо похибку та зробимо правильні висновки. На підставі яких далі коригуватиметься рекламна кампанія.
Так от, якби ми коригували рекламну кампанію за статистикою за 2 тижні або за місяць, то отримали б дуже неточні дані або навіть помилкові, і відповідно середня вартість конверсії була б вищою, а відповідно за таку кількість заявок клієнт платив би більше.
Висновок: не прив'язуємося в аналізі на час - прив'язуємося лише до кількості статистики. І не аналізуємо дані, якщо їх мало: більше даних – точніше висновок!
