Аналітика банерної та відеореклами для застосунку monobank

Вхідні дані

Для monobank важливо постійно демонструвати прискорення — щомісяця завойовувати прихильність більшої кількості клієнтів.

‍

Протягом тривалого часу основними джерелами залучення клієнтів були перформанс-кампанії та реферальна програма. Однак команда бренду прагнула подвоїти швидкість — тож разом з креативним агентством banda.agency оновила свою стратегію та почала активно підключати медійні інструменти.

‍

Наразі monobank підтримує медіаактивність на високому рівні, а команда Promodo відповідає за підбір ефективних таргетингів та допомагає бренду прослідкувати їх ефективність.

Медіакампанії не мають чітких KPI, бо зазвичай їх вимірюють охопленням. Однак ми прагнули відслідкувати вплив таких кампаній саме на конверсії.

Гіпотеза №1

Основна система аналітики в monobank — Adjust.

Чому бренд обрав саме цю систему аналітики та як за її допомогою підвищив точність даних, що отримує, — Анатолій Рогальський розповідає у власній кейс-сторі.

Adjust дозволяє відстежувати лише ті вебкампанії, що націлені на конкретну дію в застосунку і не дозволяє визначити ефективність однієї кампанії для різних операційних систем: iOS та Android.

‍

За допомогою Adjust можна налаштувати показ оголошень на iOS та Android в рамках однієї кампанії GDN, проте система не зможе розділити дані між операційними системами, отримавши їх від єдиної кампанії.

‍

Команді monobank вистачає ідей та сміливості приймати нестандартні рішення. Тож ми вирішили спробувати дещо незвичне.

Медійні кампанії розбили, аби окремо побачити ефективність кожної платформи та креативу в Google Display Network, а ефективність таргетингів — у YouTube.

Тобто таргетинг в YouTube ми зробили окремою групою. Водночас розділили кампанії ще й за платформами: iOS, Android та PC. Подібним чином ми вчинили й з оголошеннями в GDN, але окрім таргетингів відмінність була в кольорах банерів.

Такий підхід не спрацював і гіпотеза не отримала підтвердження. Тому ми почали шукати нові варіанти.

Гіпотеза №2

З власного досвіду ми знали, що до активних кампаній не варто додавати трекінги показів та кліків, оскільки це може призвести до перемодерації та некоректної статистики. Тому обрали Campaign Manager від GMP 360.

Вже на створену для Adjust структуру ми підібрали структуру тегів відстеження. Інтеграція Campaign Manager із Firebase дозволила імпортувати наявні кампанії й використовувати їх надалі для звітів.

Вже за кілька днів стало зрозуміло, що пристрої на базі iOS віддають мало даних — це пов'язано з особливостями системи. В інших системах ми навпаки отримали багато інформації, на основі якої робили висновки.

Висновок №1

Частотність

Припущення, щодо більшої частоти показу оголошення і його кращого запам’ятовування користувачем, виявилось не пов’язаним з конверсіями.

У випадку monobank, найефективнішими були частоти 1-3: вони принесли близько 70% Post-view конверсій. Робити охоплення на вищій частоті не мало сенсу. Наш підхід дозволяв охопити більшу аудиторію, витративши на це такий самий або навіть менший бюджет.

Висновок №2

Типи кампаній

Банери у Google Ads — це найдешевший спосіб контакту з аудиторією, порівняно з іншими форматами, однак він і найменш ефективний.

Відеореклама утримує увагу користувача на оголошенні впродовж щонайменше п'яти секунд. Втім, відеоролики принесли нам менше Post-view конверсій, ніж банери за майже однакового бюджету.

Результати кампанії не свідчать про те, що відео не ефективне для збільшення конверсії перфоманс-кампаній, і його варто вимкнути.

Однак саме цей тип реклами впливає на активації карток monobank найменше. До того ж Brand Lift не показав зростання, тому ми вирішили не використовувати відеорекламу в таких обсягах на кожен наступний флайт.

Висновок №3

Таргетинги та аудиторії

Google віддає перевагу таргетингам, які отримати велику кількість показів або кліків. Як наслідок, іншим аудиторіям без значної кількості показів важче їх отримати. Через це майже неможливо оцінити їхню ефективність.

‍

Тому вже в перший тиждень ми знизили ставки на найменш ефективні таргетинги та додали можливість аудиторіям без статистики її отримати.

Отримані результати ми використали у поточному флайті, аби отримати найбільшу можливу кількість Post-view конверсій.

Висновок №4

Ефективність різних банерів

У флайті ми використовували банери в чотирьох варіантах — з різними фонами, котиками та пропозиціями.

Тестування допомогло визначити ефективність кожного з варіантів: вартість Post-view конверсій та їхньої кількість подекуди відрізнялась в півтора рази. Водночас банери мали однакові показники охоплень та показів.

Пізніше, спираючись на отримані дані, ми налаштовували пріоритети та отримали більший вплив на активацію карток.

Результати

Під час цього запуску ми змогли відстежити та зрозуміти, як саме на активації карток впливають різні носії реклами:

• 6-секундні відео Bumper Ads;
• 10-секундні відео формату In-stream;
• банери у GDN.
  
  

Оптимізація активних кампаній дозволила запровадити відразу кілька важливих змін:

• виявити та усунути таргетинги, які не приносили конверсії;
• знизити витрати на малоефективні формати та креативи;
• як наслідок, отримати більший вплив у вигляді Post-view конверсій з запуску в цілому.

Що далі?

Залишилося головне питання — чи впливав на конверсію показ реклами, або користувачі й без реклами планували оформляти картку? 

Для цього нам потрібно порівняти аудиторію, яка бачила рекламу та замовила картку, з тими, хто реклами не бачив і все одно оформив картку.