Phân Tích Dữ Liệu Quảng Cáo, Cách Phân Tích Marketing Hiệu Quả

Quay quay trở về với chủ đề vận dụng phân tích dữ liệu trong sale lấy ví dụ so sánh dữ liệu của những chiến dịch truyền bá để tò mò chuyện gì đã xẩy ra với các chiến dịch, đánh giá hiệu quả, xác định các yếu tố thành công của một chiến dịch quảng cáo, giới thiệu các thay đổi và demo dự báo kết quả các chiến dịch. Trải qua các nội dung bài viết các bạn sẽ phản ánh ngược quay lại với thực tế để trả lời câu hỏi “liệu có thể thấy được loại yếu tố quyết định thành công của một chiến dịch quảng cáo hay hoàn toàn có thể dự báo được hiệu quả chiến dịch?” khi căn cơ quảng cáo Facebook luôn luôn nhiều “biến cố” bất ngờ.

Bạn đang xem: Phân tích dữ liệu quảng cáo

Nguồn hình: i
Stockphoto

Ở phần 1, Big
Data
Uni và chúng ta đã khám phá sơ lược về Digital marketing, nói một chút về pr Facebook, ra mắt qua ví dụ phân tích với dữ liệu mẫu về tác dụng chiến dịch truyền bá được Big
Data
Uni xây dựng, tò mò một số biến hóa trong tài liệu và quan hệ giữa chúng, bên trên cơ sở nghiên cứu những gì đã xẩy ra với các chiến dịch quảng cáo.

Tiếp tục phần 2, bọn họ sẽ mày mò các biến quan trọng đặc biệt còn lại, đánh giá tác dụng quảng cáo theo từng sản phẩm, gửi ra hầu hết suy luận, triển khai kiểm định, tiếp nối xác định những yếu tố ảnh hưởng lên sự thành công của chiến dịch quảng cáo (xét trong tập dữ liệu), triển khai các biến hóa và dự báo.

Lưu ý, dữ liệu mẫu shop chúng tôi sử dụng không hẳn dữ liệu thiệt của ngẫu nhiên công ty, cá thể nào và chỉ là tài liệu minh họa để các bạn thấy được cách ứng dụng Data analytics mà lại thôi.

Vì thế, sẽ có thể có phần đông điểm bất hợp lý và phải chăng trong dữ liệu mà các bạn sẽ thấy dựa trên kiến thức, tởm nghiệm của chính bản thân mình về Facebook ads, mặc dù Big
Data
Uni mong chúng ta thông cảm và tiếp nhận nội dung bài viết dưới góc độ Data analytics trong marketing chứ không hẳn chuyên môn sâu về Digital marketing.

Cũng xem xét thêm, qua ví dụ mẫu mã mà chúng tôi sẽ trình bày sau đây không bao gồm việc phía dẫn các bạn cách về tối ưu các chiến dịch quảng cáo Facebook trong thực tế, vày nó phụ thuộc vào vào các yếu tố như cách các bạn target quý khách mục tiêu, cách chúng ta đặt giá chỉ thầu, và phát triển content. Ví dụ như chỉ cho chúng ta thấy được lợi ích của Data analytics trong phân tích chiến dịch quảng cáo.

Nhắc lại ví dụ trước, công ty sản xuất tai nghe ko dây XM, có tài liệu về công dụng của 500 chiến dịch quảng cáo thực thi trên Facebook của 5 thành phầm khác nhau.

Dữ liệu thu thập gồm các biến dưới đây, chi tiết các biến các bạn xem lại bài viết trước. Dữ liệu có thể downloadtại đây.

Post ID: mã số chiến dịch
Strategy: kim chỉ nam chiến lược hướng đến.Product: sản phẩm, bao gồm 5 thành phầm XM – 01M, 02S, 03A, 04N, 05K, giá giao động từ 3 – 5 USDAudience: cách target khách hàng, bọn họ chỉ tất cả 5 biện pháp Au1, Au2, Au3, Au4, Au5.Objectives: mục đích chiến dịch.Lifetime: thời gian chạy chiến dịch, tính theo ngày.Cost: chi tiêu của mỗi chiến dịch, đơn vị chức năng USD, giả định công ty đặt chi tiêu mỗi ngày để chạy.Content: một số loại nội dung sử dụng, bao gồm:Idea: ý tưởng sáng tạo hay cơ sở cải cách và phát triển nội dung, concept chính
Impressions: số lượt tiếp cận quý khách hàng của bài viết quảng cáo, hay cụ thể là tần số quảng cáo được hiển thị đến người dùng Facebook, một fan dùng có thể thấy quảng cáo hơn một lần.Likes: số lượt thích
Shares: số lượt chia sẻ
Comments: số lượt bình luận
Clicks: số lượt bấm vào liên kết trỏ về web, landing page, giỏi vào form đk ưu đãi,…Messages: số lượt người tiêu dùng gửi lời nhắn trong tiến trình triển khai chiến dịch.Leads: số người tiêu dùng tiềm năng có được trường đoản cú chiến dịch là những người tiêu dùng để lại thông tin cụ thể vào form đăng ký nhận ưu đãi, hay nhắn tin trực tiếp hỏi mua sản phẩm, hỏi về giá, tuyệt cần tư vấn mua sản phẩm
Sales: doanh số của sản phẩm, số deals đã chốt, với nhận thanh toán.

Ở nội dung bài viết trước họ đã mày mò qua tất cả các vươn lên là định tính, và một số trong những biến định lượng trong tập dữ liệu gồm những biến lifetime, cost và những biến tế bào tả chuyển động chiến dịch như Impressions, likes, shares, comments.

Tiếp tục nội dung bài viết này trước lúc đi vào review hiệu quả, chúng ta cùng tìm hiểu nốt các biến còn lại – các biến biểu đạt về khía cạnh hiệu suất, doanh thu. Đầu tiên là lượt click

Lượt click đóng vai trò đặc trưng trong việc nhận xét nội dung lăng xê có liên quan đến nhu yếu của khách hàng hàng, tiếp thị tất cả thu hút, bao gồm nhắm mục tiêu chính xác nhóm khách hàng, hiệu quả tiếp thị. Nếu quý khách thấy văn bản quảng cáo thỏa mãn nhu cầu tốt ước ao muốn, và nhu cầu của bản thân mình sẽ click vào link dẫn mang lại trang thiết lập hàng, landing page, dẫn mang đến form tương tác sẵn sàng điền vào size yêu cầu tư vấn, dẫn đến form cung ứng thông tin, tuyệt trang đăng ký tham gia chương trình ưu đãi,…

Lượt click càng tốt tỷ lệ chuyển đổi thành đối kháng hàng cũng sẽ gia tăng. Không giống với số lượt comments, khi đa số chúng ta cho rằng lượt bình luận cũng biểu đạt được khả năng biến hóa thành đối kháng hàng. Cái này đúng đắn nhưng trong thực tiễn không phải quý khách hàng nào cũng diễn tả nhu cầu của mình vào phần bình luận, không phải quý khách nào cũng sẽ comment “Inbox cho mình” hay “mình phải tư vấn”, những admin fanpage của kẻ thù sẽ phản hồi trực tiếp “phá đám” các bạn hay spam gần như thứ ko liên quan.

Thường các các bạn sẽ phải thanh lọc ra các comment của khách hàng để làm phản hồi, và dùng đó làm cửa hàng để đánh giá tác dụng chiến dịch. Nhưng lại trong ví dụ này họ thiếu thông tin, và không thể xác minh chính xác, đề nghị sẽ chỉ tập trung vào lượt clicks.

Nếu xét theo sản phẩm, thì trung bình 1 chiến dịch về sản phẩm XM – 03A mang đến nhiều lượt click nhất, chênh lệch giữa thành phầm có lượt click trung bình cao nhất không không thấp chút nào chỉ gồm 238 lượt click.

Nếu xét theo phát minh nội dung thì các chiến dịch lăng xê có các nội dung tương quan đến ưu đãi trung bình sẽ sở hữu lượt click 2730, là cao nhất.

Nhưng nếu chú ý vào số chiến dịch pr phân theo ý tưởng nội dung với xét theo từng sản phẩm thì thành phầm XM – 03A là sản phẩm có không nhiều chiến dịch ưu đãi nhất.

Tuy nhiên tuy nhiên có ít chiến dịch promotion độc nhất nhưng sản phẩm XM – 03A lại kết quả nhất trong việc mang lại nhiều lượt click nhất.

Chúng ta có thể thấy thành phầm XM – 03A tuy có ít chiến dịch Promotion nhất, nhưng lại có số ngày chạy mức độ vừa phải (biến Life-time) là 12 cao nhất, và chi phí trung bình mỗi dự án cũng cao nhất là 955. Nhị yếu tố này rất có thể là nhị yếu tố tác động ảnh hưởng lên số lượt click.

Chúng ta còn 2 nhân tố khác yêu cầu xét mang lại là phương pháp target khách hàng, phương châm chiến dịch.

Như vậy rất có thể thấy mục tiêu tăng doanh thu (Purchases) mang lại nhiều click độc nhất xét trung bình một chiến dịch, quan trọng trong phương châm này số chiến dịch gồm nội dung promotion là những nhất chiếm phần hơn 80%.

Tiếp tục về kiểu cách target khách hàng hàng. Bọn họ quan trung khu đến nhân tố này bởi vì target đúng khách hàng hàng, đúng nhu cầu với văn bản quảng cáo phù hợp bọn họ sẽ tăng được lượt click.

Trung bình một chiến dịch lăng xê được target theo cách thứ 2 mang về nhiêu lượt click nhất.

Như vậy tạm thời chúng ta có thể thấy được để tăng lượt click cho một chiến dịch quảng cáo, công ty rất có thể hướng đến:

Nghĩ ra những chiến lược chiết khấu để thúc đẩy nhiều hơn nữa các chiến dịch về Promotion vì cuối cùng khách sản phẩm cũng chỉ để ý đến ưu đãi
Kéo dài thời hạn chạy chiến dịch trường đoản cú 11 mang lại 12 ngày hoặc hơn, chi tiêu bỏ ra trên 930 USD mang đến toàn chiến dịch
Sử dụng những target vật dụng 2, có thể các khách hàng trong bí quyết này có khả năng click cao hơnƯu tiên chọn thành phầm XM – 03A, với lấy những nội dung quảng bá viết cho sản phẩm này làm chuẩn chỉnh cho các thành phầm khác. Tại sao mặc mặc dù các thành phầm khác cũng thỏa những điều khiếu nại ở trên nhưng không tính yếu tố bỏ ra phí, và thời gian chạy của sản phẩm này cao hơn các thành phầm khác, rất có thể có các tại sao khác họ chưa nghe biết ví dụ thành phầm XM – 03A được hâm mộ hơn (tạm thời hãy khoan xét đến doanh số), giá cao mà nhiều ưu đãi hơn chăng (giá sản phẩm bọn họ sẽ nói sống phía dưới), hướng tiếp cận trong việc sáng tạo nội dung khác biệt nhiều?

Về yếu ớt tố thành phầm có tác động ảnh hưởng lên số lượt click vừa đủ một chiến dịch không, bọn họ phải triển khai kiểm định ANOVA.

Các các bạn nào không biết về ANOVA hoàn toàn có thể tham khảo các nội dung bài viết dưới trên đây của chúng tôi, chúng tôi sẽ không giải thích phần kim chỉ nan trong nội dung bài viết này.

Phân tích phương không nên – Anova (Analysis of variance) (P.1) – 1 yếu tố

Phân tích phương sai – Anova (Analysis of variance) (P.2) – 2 yếu tố

Mục đích của đối chiếu phương sai ANOVA là tìm hiểu xem sản phẩm khác nhau sẽ ảnh hưởng như nắm nào mang đến lượt click.

Đặt đưa thuyết H0: sản phẩm khác nhau sẽ ảnh hưởng như nhau mang đến lượt click vừa đủ của chiến dịch quảng cáo, tốt nói bí quyết khác, người tiêu dùng không dựa trên sản phẩm để tiến hành việc click, yếu ớt tố thành phầm không tác động ảnh hưởng đến lượt click.

Nếu P-value của kiểm nghiệm F (cội Sig) 0, tóm lại số lượt click vừa đủ của một chiến dịch sẽ không giống nhau giữa những sản phẩm khác nhau hay yếu tố thành phầm tác động mang đến việc quý khách click, và xét ngược lại.

Ở hiệu quả trên từ ứng dụng SPSS Statistics, quý giá cột Sig = 0.063 > 0.05, nên họ không chưng bỏ H0 tức số lượt click mức độ vừa phải của một chiến dịch sẽ không khác hoàn toàn giữa các sản phẩm, yếu đuối tố sản phẩm không ảnh hưởng lên ra quyết định click của khách hàng, kết luận với độ tin cạy 95%.

Phân tích ANOVA là phương pháp khá giỏi mà chúng ta nên kiếm tìm hiểu, trải qua các lý thuyết, phương pháp các bạn sẽ hiểu rộng về cơ chế quản lý của nó.

Ở đồ vật thị đầu tiên, số click mức độ vừa phải 1 chiến dịch xét thân các sản phẩm có sư biệt lập nhưng không thật chênh lệch. Nếu chỉ phụ thuộc vào đồ thị mà cho rằng yếu tố sản phẩm hoàn toàn có thể tác đụng lên số lượt click thì thiếu hụt cơ sở. Lúc này chúng ta sẽ đề xuất đến ANOVA.

Lưu ý thêm về kết luận từ ANOVA, số lượt click trung bình trong một chiến dịch giữa các thành phầm là không khác biệt nhưng trong những chiến dịch của một thành phầm sẽ có một số chiến dịch bao gồm lượt click cao, một vài thì trung bình, và sót lại là thấp, nguyên nhân có thể do những yếu tố khác chúng ta chưa xét mang lại ví dụ loại nội dung, ý tưởng phát minh nội dung, phương pháp target khách hàng hàng,….

Các bạn cũng có thể triển khai thực hiện ANOVA cho các yếu tố này, lý do như vẫn nói bọn họ cần đại lý toán học nhằm kết luận sát bên việc review qua biểu đồ.

Đối với hồ hết yếu tố sống phía người tiêu dùng mà không có trong tập tài liệu thì bọn họ không thể phân tích. Mang lại nên không hẳn công nuốm phân tích nào cũng mạnh tốt đối!

ANOVA hoàn toàn có thể thực hiện nay trên cả Excel và ứng dụng SPSS nhưng trước đó bạn cần hiểu cơ phiên bản về kim chỉ nan thống kê, với ANOVA.

Các bạn nào chưa xem qua các bài viết về phương thức thống kê, cũng như phương thức kiểm định, cách thức kiểm định hệ số tương quan thì có thể tham khảo các nội dung bài viết của bọn chúng tôi.

Tổng quan lại về Statistics: Descriptive statistics (thống kê tế bào tả)

Tổng quan tiền về Statistics: Inferential statistics (thống kê suy luận)

Tìm phát âm về cách thức kiểm định tham số

Phương pháp kiểm định trong tương quan và hồi quy tuyến tính

Tiếp tục họ cùng chú ý liệu bao gồm sự tác động của câu chữ quảng cáo lên tài năng click của bạn không, thực hiện ANOVA.

Giá trị trên cột Sig, P-value của kiểm nghiệm F của phương pháp ANOVA theo kết quả ở bên trên

Về tác dụng phân tích sinh hoạt trên, ở dòng “Audience * Content”, p-value bằng 0.864 > 0.05, nghĩa là quan hệ tương tác giữa loại nội dung và bí quyết target người tiêu dùng không ảnh hưởng tác động lên việc quý khách click vào quảng cáo. Ví dụ, công ty target quý khách theo cách thứ hai (Au2) và thường ưu tiên áp dụng text & đoạn clip cho những chiến dịch target theo phong cách này, nhưng sẽ không còn tác động đến lượt click.

Đối với biến đổi clicks hay những biến định lượng khác như sales, chúng ta cũng có thể tìm mối quan hệ giữa bọn chúng với những yếu tố là biến chuyển định tính như sản phẩm, ngôn từ quảng cáo, giải pháp quảng cáo, còn các biến định lượng thì như thế nào. Họ sẽ áp dụng ma trận hệ số đối sánh tương quan Pearson. Hệ số tương quan Pearson áp dụng để tìm hiểu mối quan hệ giới tính giữa 2 trở nên định lượng.

Giải ưa thích lại biến hóa định lượng, trở thành định tính cho mình nào không biết. Biến đổi định tính hay đổi thay phân nhiều loại là trở nên phản ánh tính chất, tốt loại, là biến định danh, không có biểu thị trực tiếp bởi con số, đa phần bằng chữ, chuỗi cam kết tự gồm chữ cái và số. Biến định lượng là biến thể hiện trực tiếp bởi con số, những giá trị hơn nhát nhau rõ ràng.

Theo định hướng rxy, tức hệ số đối sánh Pearson nằm từ -1 mang đến +1

Nếu thông số rxy thông số rxy > 0 thì 2 đổi mới có quan hệ thuận, một biến hóa tăng, trở nên còn lại có thể tăng theo hoặc ngược lại.Hệ số rxy = 0, thì 2 biến không có mối quan tiền hệ tuyến tính với nhau.Hệ số rxy càng tiến gần quý giá -1, mối contact nghịch càng có thể chắn, tựa như với quý hiếm 1, mối contact thuận càng vững chắc chắn.

Các bạn xem lại bài viết dưới phía trên để rõ rộng về đối sánh và hồi quy:

Correlation (tương quan) & Linear regression (hồi quy tuyến đường tính)

Tổng quan lại về Regression (phân tích hồi quy)

Dựa trên kết quả, các bạn xem ở mẫu clicks, hệ số Pearson đối với các trở nên Cost, impressions, likes, shares, comments hầu như > 0, thuận chiều, trong các số ấy số lượt likes, số lượt shares có thông số 0.9 cùng 0.8 thể hiện quan hệ bền vững. Nghĩa là khách hàng likes và shares kĩ năng click những hơn.

Các loại Sig là giá trị P-value kiểm định thông số Pearson đều nhỏ hơn Tổng quan tiền về Regression (phân tích hồi quy)

Correlation (tương quan) và Simple linear regression (hồi quy đường tính 1-1 giản)

Phương pháp kiểm định trong đối sánh và hồi quy tuyến đường tính đối chọi biến

Hiểu hơn về Linear regression thông qua ví dụ ứng dụng trong bán lẻ (p.1)

Chúng ta có những biến như sau:

Biến mục tiêu: Clicks (dependent variable)Biến dự báo: Objectives, Content, Idea, Cost, Lifetime.

Biến Objectives suy ra từ vươn lên là Strategy, biến % Avg clip view bị mất quý giá ở những quan sát có giá trị trên biến nội dung là Text và Image. Trở nên Audience, và Product như sẽ phân tích sinh hoạt trên không tương xứng để phân tích. Nên bọn họ loại vứt 4 đổi thay này ngoài mô hình.

Các vươn lên là Impressions, Likes, Shares, Comments là biến công dụng như biến chuyển Clicks, họ đang kể tới các yếu ớt tố cơ mà công ty rất có thể điều chỉnh, còn các yếu tố này dựa vào vào nền tảng gốc rễ quảng cáo Facebook (giả định công ty không thực hiện các phương án khác tăng lượt tiếp cận, lượt likes,…)

Đầu tiên đối với các vươn lên là định tính Objectives, Content, Idea bọn họ sẽ tạo nên biến giả, biến đổi dummy hay vươn lên là nhị phân bao gồm 2 giá trị 0, 1.

Ví dụ Objectives tất cả 6 quý hiếm định tính Engagement, Messages, Purchases, đoạn clip views, Traffic, Reach, sẽ có 6 đổi mới giả. Ví dụ Ob
Engagement là một biến giả, trường hợp chiến dịch có objectives là engagement thì quý giá ở biến đổi Ob
Engagement sẽ là 1, ngược lại bằng 0. Đưa vào mô hình sẽ chỉ rất có thể (6 – 1) là 5 biến đổi mà thôi. Vì chưng nếu 1 đổi mới Ob này có giá trị bằng 1 thì toàn bộ các trở thành Ob sót lại có giá trị bởi 0, và khi cả 5 đổi thay Ob có mức giá trị bởi 0 thì biến chuyển Ob vật dụng 6 chắc chắn bằng 1. Giống như như vươn lên là Idea tất cả 4 biến đổi giả, tuy thế chỉ tất cả 3 thay đổi đưa vào mô hình. ứng dụng SPSS sẽ tự động hóa thực hiện giùm các bạn.

Chúng ta xem model 2, là mô hình sau cùng, chỉ với 2 phát triển thành cost với Ob
Purchases, cực hiếm tại cột Sig, VIF thỏa mãn nhu cầu yêu cầu.

Y(Clicks) = 1709.888 + 1.039*Cost + 155.109*Ob
Purchases

Ví dụ, công ty khẳng định mục tiêu chiến dịch là Purchases, cost ném ra cho toàn chiến dịch là 1000 USD. Hệ số hồi quy 1.039 tức tăng 1 USD vẫn tăng 1 click, cùng nếu thực hiện chiến dịch Purchases thay vị chiến dịch khác sẽ tăng được 155 click. để ý biến Ob
Purchases là vươn lên là nhị phân 0: không có sử dụng kim chỉ nam này, 1: tất cả sử dụng phương châm này

Y(Clicks) = 1709.888 + 1.039*1000 + 155.109*1 = 2903

Công ty sẽ đã có được 2903 click. Đây chỉ với dự báo, và chắc hẳn rằng có không nên số trong thực tế. Nếu lấy dữ liệu bây giờ đưa vào quy mô thì sai số dưới 500 click chiếm phần 70%. Không nên số cao nhất là 1000 click.

Đây chỉ nên ví dụ minh họa đơn giản cho chúng ta về áp dụng Multilinear regression trong so sánh chiến dịch quảng cáo. Vào Multilinear Regression còn nhiều kỹ năng khác rất có ích để tối ưu cơ chế này, Big
Data
Uni khuyên chúng ta nên trang bị thêm kỹ năng và kiến thức nếu gồm cơ hội.

Chúng ta đã khám phá về Clicks cũng thử khẳng định các yếu đuối tố ảnh hưởng tác động lên nó, lập quy mô và dự báo. Họ tiếp tục phân tích hiệu quả chuyển động tổng quan tiền của kế hoạch quảng cáo Facebook của công ty.

Ngoài Clicks bọn họ còn bao gồm 3 biến đặc biệt quan trọng khác là Messages, Leads, Sales.

Messages cũng đặc biệt quan trọng không yếu gì Clicks. Clicks cho thấy thêm nội dung quảng cáo cân xứng với nhu cầu của khách hàng hàng, sẽ thu hút được quý khách nhấn vào liên kết mua hàng, giỏi bất kể liên kết khác để mang họ cho trang đích hay còn gọi là landing page, trang thanh toán,… để ra quyết định mua sắm và chọn lựa sau cùng. Khác với Clicks, messages cho thấy khách mặt hàng muốn được biết thêm nhiều hơn, hy vọng được thỏa mãn hơn so với phần đông gì doanh nghiệp đã cung cấp qua ngôn từ quảng cáo.

Số lượt messages nhiều cũng có thể có ưu với khuyết điểm riêng. Ưu điểm hoàn toàn có thể tiếp cận nhiều người sử dụng mới, người sử dụng tiềm năng, can hệ với họ, ảnh hưởng họ ra ra quyết định vì có nhiều khách sản phẩm đưa cách thanh toán sau cuối chỉ vì chưng thiếu một chút động lực, thiếu gì đấy gọi là tinh thần thôi thúc, khiến cho họ dừng mua.

Khuyết điểm là chưa phải lúc nào messages nhiều cũng là thành công xuất sắc vì nó cho thấy thêm nội dung quảng cáo chưa thực sự thuyết phục, hay thậm chí là khó gọi khiến người tiêu dùng phải nhắn tin nhờ tư vấn, nếu doanh nghiệp có team ngũ nhân viên cấp dưới CSKH dồi dào, chuyên nghiệp thì tốt nhất có thể ngược lại thì kết quả mất khách hàng. Bao hàm tin nhắn không phải thể hiện nhu yếu mua hàng, hoặc đối thủ tuyên chiến đối đầu và cạnh tranh dò xét,…

Messages nhìn chung vẫn vào vai trò quan tiền trọng, vì công ty có cơ hội hiểu thêm về quý khách của mình. Vô ích ở chỗ làm sao để tấn công giá đúng mực chiến dịch nào đem về khách hàng tiềm năng trải qua messages, hơn nữa việc tracking theo từng chiến dịch có thể sẽ khó trừ khi doanh nghiệp sử dụng công cụ thu thập dữ liệu thống kê, thực hiện tín năng quảng bá Facebook với mục tiêu Messages, hoặc thẳng làm bằng tay, manual, yêu ước nhân viên lưu ý lại các messages sản phẩm nào sẽ về sản phẩm đó.

Để đánh giá chính xác hơn, doanh nghiệp sử dụng số liệu ở biến hóa Leads. Biến leads là biến hóa thể hiện tin tức của những người sử dụng tiềm năng. Người tiêu dùng này bao hàm những quý khách hàng nhắn tin trực tiếp hỏi mua hàng, những quý khách hàng điền thông tin đăng cam kết ưu đãi, những người tiêu dùng để lại thông tin contact trên form, rất nhiều khách hàng comment yêu cầu mua hàng vào bài xích post quảng cáo,…

Leads tăng thể hiện công dụng marketing của chiến dịch quảng cáo. Nhưng lại Sales new là cái doanh nghiệp quan trung tâm sau cùng. Đó là doanh thu có được từ bỏ leads. Nó thể hiện hiệu quả trong hiệ tượng thanh toán, các tiện ích nhanh chóng, biểu đạt nội dung trang đích, trang sản phẩm cung cấp đầy đủ văn bản thu hút người tiêu dùng ra quyết định, thể hiện khả năng thuyết phục quý khách hàng từ lực lượng sales, team ngũ nhân viên CSKH. Sales là chỉ số đánh giá cả về thành công của chuyển động Marketing, thành công xuất sắc của vận động bán hàng, thành công của những dịch vụ chăm sóc.

Clicks, Leads, Sales hay được dùng để tính hiệu quả chi tiêu marketing, riêng Messages thường vận dụng nhiều cho các công ty bốn vấn, dịch vụ, marketing sản phẩm có mức giá trị, cùng vì bài viết có số lượng giới hạn nên chúng tôi tập trung vào Clicks, Leads, cùng Sales thôi.

Để tính hiệu quả chi tiêu Marketing họ sẽ giám sát những chỉ số quen thuộc sau:

CPM (Cost per mile): túi tiền cho 1000 lượt tiếp cận, tính bằng phương pháp lấy chi tiêu chiến dịch phân chia cho tổng lượt tiếp cận rồi nhân cùng với 1000CTR (Click through rate): tỷ lệ lượt click bên trên lượt tiếp cận, số click chia/ số tiếp cận
CPC (Cost per click): túi tiền trên một lượt click
CR (Conversion rate): xác suất chuyển đổi, trong lấy ví dụ này phương pháp tính lấy doanh số, số đơn hàng chia mang lại tổng lượt click, tổng lượt tin nhắn của chiến dịch. Lưu lại ý, lượt click, lời nhắn tính bên trên 1 một khách hàng. CR trong thực tế có rất nhiều cách tính, tùy thuộc vào mục đích nghiên cứu và phân tích của marketer
CPL (Cost per lead): ngân sách cho 1 quý khách tiềm năng
CPS (Cost per sale) chi tiêu cho 1 đối chọi hàng
ROAS (Return on Ads spent): lợi nhuận thu về trên giá cả quảng cáo, thu về bao nhiêu đồng trên 1 đồng quảng cáo
Lead khổng lồ sales: tỷ lệ chốt deals thành công, cách làm Leads/ Sales
Investment/ Revenue: tỷ lệ giá cả marketing bên trên doanh thu

Chúng ta và tính cho hiệu quả chiến dịch theo từng sản phẩm và theo từng mục tiêu. Các bạn vẫn rất có thể phân tích sâu hơn sau khoản thời gian có hiệu quả nhưng do bài viết có số lượng giới hạn nên cửa hàng chúng tôi không đi đưa ra tiết.

Bên trên là hiệu quả tính mẫu cho 10 chiến dịch. Cách tính khá solo giản. Chú ý trên hình lốt chấm thập phân tương đối nhỏ.

Biến Target, là biến khẳng định chiến dịch như thế nào đạt kim chỉ nam công ty đề ra. Có không ít chỉ số nhưng đơn giản nhất là doanh nghiệp sử dụng phần trăm Investment/ Revenue, giá cả chia cho doanh thu.

Doanh nhận được tính bằng phương pháp lấy giá sản phẩm đó nhân với doanh số, giá sản phẩm như sau:

Một vào những điểm sáng điển hình của Performance marketing mà tôi đã giới thiệu trong các nội dung bài viết trước, chính là việc làm rõ những chỉ số cần thu thập và đo lường, từ đó sử dụng các dữ liệu này như xương sống cho mọi chuyển động và quyết định trong quá trình lên kế hoạch, thực thi, về tối ưu vận động marketing.

Bài viết được viết vì Hạnh Lê với Duy Phạm, dựa trên kinh nghiệm tay nghề 10 năm thực chiến trong nghành nghề dịch vụ Performance marketing của bạn dạng thân.

Kỹ năng so sánh dữ liệu nhìn bao quát không khó, mặc dù cũng không dễ dàng và đơn giản để hoàn toàn có thể hiểu đúng và áp dụng hiệu quả. Vậy nên, tiếp diễn chuỗi nội dung bài viết về Performance Marketing, trong phần này, hãy thuộc đi sâu vào nhân loại dữ liệu của Performance Marketing, cách ứng dụng dữ liệu để tách tách vấn đề, thậm chí là là chiến thuật để sở hữu lại kết quả tối ưu đến chiến dịch quảng cáo.

1. Các loại dữ liệu thường gặp mặt trong Performance Marketing

Đối với những chiến dịch marketing nhất là trên môi trường kỹ thuật số (Digital), bạn có thể thu thập tương đối nhiều dữ liệu một bí quyết dễ dàng. Tuy nhiên, thời gian này, marketer cũng hay bị choáng ngợp giữa vô vàn số lượng mà đắn đo phải bắt đầu từ đâu và làm cái gi với những nguồn tài liệu đó.

Trong hình trên, đa số kênh “Default Channel Grouping” chính là Dimension – tức là lớp giảm theo từng nhiều loại kênh; số lượng “User” đó là Metric đang biểu hiện rằng bao gồm 54.886 users đến từ kênh Organic Search, 32.067 users tới từ kênh Paid Search… và tương tự.

Tóm lại, đông đảo bảng biểu hay dữ liệu đều buộc phải được cấu thành tự Dimension cùng Metric. Tuỳ ở trong vào người tiêu dùng dữ liệu hy vọng xem chỉ số nào, hay là muốn cắt theo gần như lớp cắt nào mà dữ liệu sẽ được tích lũy hay trình bày ra một biện pháp tương ứng.

2. Tiến trình phân tích tài liệu marketing

Sau khi gọi được các khái niệm cùng thuật ngữ trên, hãy cùng cho với tiến trình phân tích dữ liệu để làm rõ hơn về kiểu cách làm đúng và tác dụng với vô vàn mối cung cấp thông tin tích lũy được.

Quy trình phân tích vẫn gồm gồm 5 bước như sau:

Bước 1: xác định mục tiêu, vụ việc cần phân tích
Bước 2: tích lũy dữ liệu
Bước 3: Xử lý & xác minh dữ liệu
Bước 4: so với dữ liệu
Bước 5: Trực quan liêu hoá với diễn giải kết quả

Quy trình này được ứng dụng trong rất nhiều trường hợp, đặc biệt là giai đoạn chuyển ra báo cáo và phân tích để quyết định hành vi tiếp theo cho việc tối ưu quảng cáo. Việc so với và đưa ra đúng insight tự dữ liệu sẽ giúp đỡ tiết kiệm không ít thời gian và công sức, mặt khác cũng không hẳn thử nghiệm quá nhiều lần mà chỉ cần tập trung vào yếu ớt tố trọng yếu (áp dụng theo thuyết 80/20). Còn bây giờ, hãy cùng đi sâu vào từng bước trong quá trình phân tích dữ liệu nhé.

2.1. Xác định mục tiêu, vấn đề cần so sánh

Bước này cực kì quan trọng, bởi vì nó như mục tiêu cho mọi chuyển động tiếp theo của marketer. Đầu tiên, trước lúc chìm sâu vào “vũ trụ” data, marketer yêu cầu phải khẳng định rõ việc cần giải là gì, với phải đề ra được những câu hỏi mà marketer có khả năng giải đáp rõ bằng dữ liệu.

Đây cũng chính là yêu cầu của bài toán phân tích dữ liệu, chính vì yêu mong càng rõ ràng, càng cụ thể thì việc phân tích đang càng rõ ràng và thiết yếu xác. Bài toán không khẳng định rõ được yêu mong sẽ khiến cho marketer đi lan man, đôi lúc đi quá xa vấn đề và tiêu tốn không ít thời gian, công sức, nguồn lực dẫu vậy không mang đến nhiều kết quả, hay nói theo một cách khác là đang đi trái lại với bốn duy về tối ưu.

Đề bài: phân tích hiệu quả hoạt động Performance marketing cho chiến dịch 11.11 trên sàn dịch vụ thương mại điện tử Lazada, xác định nguyên nhân, kết quả, bài học kinh nghiệm và rút ra tay nghề cho chiến dịch 12.12 tiếp theo.

2.2 tích lũy dữ liệu

Sau khi xác minh được kim chỉ nam cần phân tích, các bạn sẽ phải xác minh các tài liệu cần thu thập. Trong quả đât số, có hàng trăm, thậm chí là là hàng vạn loại tài liệu khác nhau, và marketer cần yếu nào tích lũy hết tất cả những dữ liệu về được. Việc này không chỉ làm quy trình thu thập thêm cồng kềnh, ngoài ra phải tiêu hao nhiều sức lực lao động hơn bỏ phần xử lý dữ liệu sau đó.

Vì vậy, để buổi tối ưu tuyệt nhất marketer sẽ bắt buộc phải xác minh theo trình từ bỏ sau:

Xác định Key Metrics: Là các chỉ số chủ yếu để xác định tính công dụng của chiến dịch, cả trên phương diện hiệu quả về mặt ngân sách chi tiêu hay là hiệu quả về phương diện quy mô.Xác định Sub-metrics: Là những chỉ số phụ cấu thành nên có thể số chính, các chỉ số phụ này cho marketer biết được tại sao hay vấn đề gì đã tạo thành nên công dụng của các chỉ số chính.Xác định những Dimension: tiếp đến là xác minh các lớp cắt tài liệu mà marketer cần tách bóc tách nhằm phân tích, những lớp cắt này rất có thể kết hợp với nhau để cùng giới thiệu insight đề xuất thiết.

Cùng theo ví dụ bên trên về nhu yếu phân tích công dụng Performance Marketing, bạn sẽ cần có những chỉ số và lớp giảm như sau:

Key Metrics: doanh thu (quy mô) cùng ROAS (hiệu quả về chi tiêu quảng cáo)Sub-metrics: Impression > Click > add to thẻ (ATC) > Đơn hàng cùng CPM > CPC > Cost per ATC > CPO > ROASDimension: phân tách theo những lớp cắt về tập đối tượng người sử dụng người dùng, kênh quảng cáo, đội sản phẩm, creative… 2.3 cách xử lý và xác minh tài liệu

Xử lý dữ liệu

Tại sao rất cần phải xử lý dữ liệu sau thời điểm thu thập? tại sao là khi thu thập dữ liệu từ nhiều nguồn khác biệt (VD: Trên khối hệ thống Google, trên khối hệ thống Facebook, trên hệ thống CRM, trên hệ thống offline store…), marketer sẽ gặp mặt tình trạng dữ liệu rời rạc không thống nhất. Cạnh bên đó, có mang về Metrics trên các hệ thống này cũng trở nên khác nhau nên bạn cần phải xác định rõ những loại metrics để giải pháp xử lý phù hợp.

Đầu tiên, rất cần được đấu nối dữ liệu từ không ít nguồn không giống nhau lại để có được một bức ảnh toàn cảnh về tài liệu chiến dịch. Để có tác dụng được bài toán này buộc phải marketer rất cần được có tối thiểu một trường tin tức chung trên các kênh hệ thống, để rất có thể dựa vào này mà đấu nối dữ liệu.

Đối cùng với ví dụ sẽ đề cập phía trên, marketer sẽ áp dụng trường thông tin trong UTM để gia công chiếc “cầu” đấu nối giữa các khối hệ thống lại cùng với nhau.

Xác minh dữ liệu

Sau khi ngừng phần giải pháp xử lý dữ liệu, bạn cần có bước xác minh để khám nghiệm lại mức độ đúng đắn và hợp lý của dữ liệu. Bước này thường rất thú vị bị bỏ qua, nhưng này lại đóng sứ mệnh vô cùng đặc biệt quan trọng và tất cả thể ảnh hưởng trực tiếp nối thông tin so sánh cuối cùng. Bởi chỉ cần dữ liệu không chính xác thì ngay gần như các quyết định được đưa ra sẽ không hợp lí và đem về hiệu quả, thỉnh thoảng còn tệ hơn so với tình trạng hiện tại.

Vì vậy, để xác minh dữ liệu, marketer rất cần được so sánh dữ liệu sau thời điểm được xử lý với thực tế. Ví dụ như tổng doanh thu ghi nhận thấy là 10 tỉ VND, tuy vậy sau lúc xử lý tài liệu thì tổng doanh số chỉ có 8 tỉ VND thì nên kiểm tra lại. Hoặc nếu nhận biết chỉ số giao dịch lớn rộng chỉ số traffic, có nghĩa là đang mô tả sai đối với phễu marketing thì nên phải kiểm soát và điều hành lại xem gồm bị thiếu thốn sót trong quá trình xử lý giỏi không.

2.4 đối chiếu dữ liệu

Đây là cách để rất có thể đưa ra được câu trả lời đã đặt ra ở những bước đầu tiên tiên. Ví như đã nắm rõ về mục tiêu và kpi của chiến dịch, thì đã rất dễ dàng và đơn giản để xác định chiến dịch có có được mục tiêu ban đầu đặt ra giỏi không.

Ví dụ như lúc ta đặt mục tiêu cho chiến dịch 11.11 là đạt được 10 tỉ lệch giá với ROAS là 4. Nhưng mà trên thực tế, ta đã đạt được 10 tỉ lợi nhuận với ROAS là 3. Như vậy rất có thể thấy, marketer đã đoạt được phương châm quy tế bào về lợi nhuận nhưng lại không đã có được mục tiêu kết quả về mặt túi tiền khi nhưng ROAS chỉ đạt đc 3 so với kim chỉ nam là 4. Thời gian này, câu hỏi khó hơn mà các bạn cần vấn đáp sẽ là: nguyên nhân không đạt được phương châm về ROAS? tay nghề và bài học kinh nghiệm rút ra mang đến chiến dịch tiếp theo sẽ là gì?

Marketer sẽ sở hữu được 2 biện pháp phân tích cơ bạn dạng như sau: so sánh theo chiều chỉ số (Metric) với phân tích theo hướng lớp giảm (Dimension).

2.4.1 so với theo chiều chỉ số Metrics

Để so sánh theo chiều này, việc trước tiên cần làm là marketer cần làm rõ chỉ số thiết yếu được cấu thành bởi các chỉ số nào, từ kia đi sâu vào vấn đề của từng chỉ số. đem ví dụ trên ta sẽ sở hữu được công thức như sau:

ROAS = Revenue/ Advertising spend

= (Order x AOV) / (CPM * Impression/1000)

= Click x CR x AOV/ (CPM * Impression/1000)

= CTR x CR x AOV x 1000 / CPM

So sánh những chỉ số này đối với mục tiêu ban đầu đặt ra, các bạn sẽ thấy ROAS không đạt target hầu hết là do CPM tăng không thấp chút nào và AOV bớt quá nhiều. Từ bỏ đây, marketer rất có thể đưa ra một vài trả thuyết cũng giống như các giải pháp cho chiến dịch tiếp đây như sau (lưu ý đó là ví dụ nên có thể đưa ra những giả thuyết cơ bản nhất, chúng ta hoàn toàn rất có thể đưa ra những lập luận cùng giải thuyết hơn):

CPM tăng cao có thể do vấn đề cạnh tranh giữa những đối thủ tăng nhanh mẽ vào thời điểm diễn ra chiến dịch 11/11, cũng chính vì hầu như toàn bộ các yêu mến hiệu phần nhiều sẽ đầu tư chi tiền nhiều hơn nữa trong quy trình này. Hoặc, CPM tăng cao có thể do tỷ lệ cân đối giữa giá thành quảng cáo tương đối cao so với bài bản tập khách hàng hướng về thì quá nhỏ… chú ý chung, marketer nên kiểm tra lại về team đối tượng, từ bỏ đó để ý đến việc mở rộng đối tượng mục tiêu hoặc chọn thời khắc chạy chiến dịch khác để hạn chế sức tuyên chiến và cạnh tranh của thị trường.AOV giảm hoàn toàn có thể đến từ các việc marketer lựa chọn các thành phầm để đẩy quảng cáo có giá trị thấp hơn so với những chiến dịch trước… thời điểm này, marketer bao gồm thể quan tâm đến lựa lựa chọn lại các sản phẩm có giá trị cao hơn nữa để đẩy, hoặc giới thiệu các khuyến mãi ngay theo dạng bundle (kết hợp buôn bán nhiều sản phẩm cùng lúc) hay tặng kèm cho deals có giá trị từ một mức một mực trở lên…

2.4.2 so sánh theo chiều lớp giảm (Dimension)

Để đối chiếu theo chiều này đòi hỏi bạn bắt buộc thể hiện công dụng ở những lớp cắt không giống nhau để tra cứu kiếm insights. Ví dụ như với đề bài bác bên trên, chúng ta cũng có thể cắt lớp hiệu quả chiến dịch dưới nhiều góc nhìn từ team khách hàng, đội sản phẩm, nhóm creative, kênh quảng cáo…

Nhìn vào những bảng biểu trên, có thể thấy có sự biệt lập rõ ràng giữa các nhóm quý khách và kênh quảng cáo cầm thể:

Nhóm khách hàng hàng: Đã từng ATC, đã từng có lần mua hàng, đã có lần tương tác với fanpage facebook của brand đem đến ROAS giỏi hơn tương đối nhiều so với nhóm người sử dụng mới. Vậy, để nâng cao được ROAS, bạn cũng có thể cân nhắc phân chia thêm ngân sách cho các tập người tiêu dùng này sở hữu lại tác dụng cao. Kênh quảng cáo: đề xuất tận dụng nhiều hơn thế nữa các kênh về onsite tìm kiếm trên những nền tảng e-Commerce như Shopee, Tiki, Lazada… để cải thiện về chỉ số ROAS.

Ở trên là một trong vài ví dụ siêu cơ bản về vấn đề tận dụng tài liệu trong so sánh vấn đề, một lần tiếp nữa tôi muốn nhấn mạnh vấn đề là các bạn hoàn toàn rất có thể đi sâu hơn bởi việc phối kết hợp nhiều lớp cắt cùng với nhau, đi sâu vào cụ thể từng chỉ số, tuyệt kết hợp với các yếu tố ngoại cảnh để mang ra được các giả thuyết của mình, đồng thời kiểm định các giả thuyết đó.

2.5 Trực quan hoá với diễn giải hiệu quả phân tích

Trực quan lại hoá:

Để tìm kiếm được vấn đề hay giải pháp cho sự việc nào cũng trở nên cần rất nhiều sự phân tích cùng dữ liệu, để hoàn toàn có thể đưa ra các giả thuyết và kiểm chứng những giả thuyết của mình. Nhưng ngược lại, chưa hẳn dữ liệu nào và bản phân tích nào thì cũng thể hiện được kết quả/ ý nghĩa với vụ việc mà marketer buộc phải giải quyết.

Chính vì chưng vậy marketer cần trực quan lại hoá với diễn giải tác dụng phân tích, để hoàn toàn có thể giúp fan đọc, bạn nghe (đồng nghiệp, sếp, khách hàng, nhân viên…) tiện lợi nhìn ra được thông tin, xu hướng, insight cần thiết, đồng thời thâu tóm được thông tin mà bạn muốn truyền tải.

Hình ảnh Dashboard bên dưới đây chính là một ví dụ ví dụ cho bài toán trực quan liêu hoá dữ liệu:

Diễn giải tác dụng phân tích:

Đây là bước ở đầu cuối và cũng trở thành được xem là bước dễ dàng nhất, nếu như như marketer thực hiện giỏi bước 4 “Phân tích dữ liệu”. Việc của bạn từ bây giờ là đưa ra các yếu tố đối chiếu có chân thành và ý nghĩa (đưa ra được lập luận đang được kiểm nghiệm hay rất cần phải cân nhắc) với việc backup bởi tài liệu cụ thể. Từ bỏ đó, ta rất có thể rút ra được vấn đề đang trường tồn và lời khuyên được đều phương hướng hành vi hoặc bài học kinh nghiệm kinh nghiệm cho những chiến dịch tiếp theo. Thậm chí, marketer cũng hoàn toàn có thể ước tính được tác dụng tương ứng với từng sự cố đổi/ hành động mà marketer ý định triển khai.

3. Lời kết

Sự phát triển hối hả của mạng internet và những thiết bị năng lượng điện tử đó là cánh cổng diệu huyền giúp marketer tiếp cận với quả đât thông tin – tài liệu quý giá cho từng doanh nghiệp. Thân muôn trùng các loại dữ liệu và thông tin, hãy trau dồi không chỉ có vậy các khả năng đánh giá, chọn lọc, phân tích với sử dụng tài liệu để hoàn toàn có thể nắm bắt sự việc và tăng trưởng xuất sắc trong thời đại này.

Xem thêm: Chuyên đề nghị luận xã hội (phần 2), chuyên đề nghị luận xã hội

Những marketer/ doanh nghiệp biết cách tận dụng tốt những kĩ năng này có thể đóng góp không ít vào quy trình thúc đẩy hiệu suất hoạt động, chuyển ra những quyết định đúng mực và sút thiểu những rủi ro phát sinh, không những trong các vận động marketing hơn nữa trong toàn bộ các chuyển động vận hành của doanh nghiệp. Hi vọng rằng, bài viết trên sẽ đóng góp thêm phần giúp phần nhiều người nắm rõ hơn về tầm đặc trưng của vấn đề phân tích dữ liệu, với cách áp dụng nó vào công việc thật hiệu quả.