Контекстная реклама *

Реклама — двигатель торговли и с этим сложно поспорить! С рекламы начинается продвижение любого продукта или услуги на рынке. Но «двигатель» этот устарел, неэффективный и шумный. Согласно исследования Ассоциации Коммуникационных Агентств России – 47% рынка Российской рекламы в 2018 году все еще пришлось на средства масс-медиа (телевиденье, радио, пресса). Это значит, что «любимый» инструмент современных рекламщиков – «ковровые бомбардировки» рекламой потенциальных потребителей, который даже приблизительно не показывает число «раненых» и «убитых». Простыми словами, масс-медиа — инструмент, не имеющий таргетинга и не измеряющий конверсию.

У вашей компании есть сайт, возможно очень красивый сайт… А находят ли его потенциальные клиенты, когда ищут продукцию? Ваш коммерческий сайт работает эффективно?

Для кого публикация: оптовые и торгово-производственные компании.

Цели публикации:

1. показать владельцам компаний способ аудита продвижения сайта
2. показать способ оценки качества настроек рекламы
3. сравнить затраты на привлечение покупателей по интернет-источникам

В этой статье расскажу о том, как я свел статистику по всему контексту в одном месте с помощью BigQuery и Data Studio

У меня появилась необходимость визуализировать данные по всем источникам трафика.

Для данной задачи я использую Data Studio. Google Ads туда подтягивается прекраснейшим образом, а вот с Яндекс Директ все сложнее.

Я для себя выбрал полуручной способ сведения статистики: получение и отправка статистики со своего компьютера.

Я ежедневно получаю статитику в различных разрезах в DataFrame.



И это отлично потому, что в pandas есть библиотека pandas_gbq, которая умеет отправлять DataFrame в BigQuery.

Привет, Хабр!

Поделюсь своим опытом работы с сервисами, которыми практически не пользуются в России, но при этом они популярны в Европе и США.

Кратко распишу, что это за сервисы и для чего они нужны, их плюсы/минусы на личном опыте, и дам для сравнения аналоги популярные на российском рынке.

Начнем!

1. GOA — аудит Paid Search в Google Ads

Сервис помогает не пропустить проблемы в рекламных кампаниях Paid Search в Google Ads.

Плюсы:

+ Видны все проблемы аккаунта: отклоненные объявления, завышенный CPA,
снижение CTR, отсутствие минус-слов, конфликт объявлений с минус-словами и еще много всего
+ Удобный и понятный интерфейс с разбивкой по цветам.

Минусы:

− Нет русскоязычной версии
− Бывают проблемы с Shopping campaign (не подгружает конверсии)
− Статистика в сервис поступает с задержкой в 24 часа
− Есть дублирование функционала “Google рекомендации”

Аналогов в России я не нашел. (Если вы знаете, пишите в комментарии)

Хабр, привет!

Меня зовут Рушан, и я автор Telegram‑канала Нейрон. Не забудьте поделиться с коллегами или просто с теми, кому интересны такие статьи.

Многие люди не знают, как работать с трендами в интернете, где их искать. Перед тем, как начинать бизнес не знают, где посмотреть будет ли этот бизнес вообще популярен и нужен ли он. Поэтому напишу полный туториал, чтобы закрыть все вопросы по этой тематике.

Работать мы будем со специальным сервисом по сбору поисковых запросов пользователей Яндекса Вордстатом, интерфейс которого довольно прост и понятен:



В начале, по традиции, поставлю цели:

• Понять весь функционал и научиться работать с Вордстатом;
• Как правильно собирать семантику с максимальной релевантностью и CTR >50%;
• Так как мы на Хабре, поработаем с API Wordstat напрямую.

В работе часто использую короткую статистику в разрезе дней чтобы отслеживать отклонения трафика.

Более подробно о написании запросов написал в статье « Получение рекламных кампаний Яндекс Директ с помощью API в DataFrame (Python)».

В данной статье я в большей степени расскажу о том, как структурировать данные и запросы, чтобы этим можно было нормально пользоваться.

Нам следует прописать запрос к серверу как функцию.

Лично я сделал 2 файла: функция с запросом и файл с данными, которые будут передаваться в функцию.

В первом файле пишем функцию

Я запрашиваю по всем проектам одни и те же поля, поэтому мне нужно передавать в запрос только даты, логин и токен.

Передача данных в функцию у меня выглядит следующим образом:

def rep(token,login,date_from,date_to):

Пишем запрос к серверу API Яндекс Директ

Данный запрос запрашивает данные по следующим параметрам:

• Date
• Impressions
• Clicks
• Ctr
• Cost
• AvgCpc
• AvgImpressionPosition
• AvgClickPosition
• AvgTrafficVolume
• BounceRate
• AvgPageviews

Для маленьких клиентов (а также для клиентов, у которых сложная для анализа многоканальность) я слежу за чистым CPC (клики, CTR, цена клика, отказы).

Задача: понять какая рк работает эффективней и, исходя из этого, отредактировать ставки.

Для этого я в аналитике использую стоимость полезного клика (CUC — Cost per Useful Click). Данный показатель учитывает стоимость клика, и показатель отказов.

Формула: Cost/Clicks*((100-BounseRate)/100)
Объясню простым языком:
Мы получили 200 кликов за 2000₽, процент отказов 20%. Значит действительно полезных кликов мы купили 80шт,
2000₽/80 = 25₽

Также данная метрика помогает анализировать статистику в небольших выборках, где по конверсиям нельзя принять решение.

Работая сразу с несколькими клиентами, появляется необходимость оперативно анализировать много информации в разных аккаунтах и отчетах. Когда клиентов становится больше 10, маркетолог больше не успевает постоянно следить за статистикой. Но выход есть.

В данной статье я расскажу про то, как следить за рекламными аккаунтами с помощью API и Python.

На выходе мы получим запрос к API Яндекс Директ, с помощью которого будем получать статистику по рекламным кампаниям и сможем обрабатывать эти данные.

Для этого нам нужно:

1. Получить токен API Яндекс Директ
2. Написать запрос к серверу
3. Импортировать данные в DataFrame

Самая суть цепочек рекламных каналов вызывает непреодолимое желание узнать, что вероятнее всего произойдет дальше в цепочке. Будет конверсия или нет?

Но это похвальное стремление часто утыкается в проблему. Если пытаться удерживать количество ложно-положительных результатов в разумных рамках, количество истинно-положительных не впечатляет. Как следствие — результаты анализа зачастую не позволяют нам принимать адекватные управленческие решения. Адекватное прогнозирование требует больше данных, чем просто короткие цепочки пользовательских прикосновений к каналам. Но это вовсе не значит, что задачу стоит бросать.

Привет, Хабр! Предлагаю вашему вниманию перевод статьи "The Dangers of Overpersonalization" авторов Kim Flaherty и Kate Moran.

Итог: Излишняя персонализация контента приводит к однородному и безразличному восприятию пользователем информации и может вызывать усталость от вашего продукта в целом.

Если больше 30% продаж/лидов начинаются по телефону, коллтрекинг просто необходим. Ведь он позволяет оценить эффективность каналов рекламы, а значит уменьшить затраты и увеличить продажи.

Но почему не все это используют? Дорого. Мелкому и среднему бизнесу часто не выгодна такая аналитика. Но есть выход и для них — бесплатный коллтрекинг. Ниже описываем как его установить и настроить.

При анализе цепочек рекламных каналов некоторые достаточно простые, но полезные идеи проскакивают незамеченными. Хорошо знакомые с математикой аналитики сразу стремятся погрузиться машинное обучение, а  далекие от математики аналитики вообще не очень понимают, куда и как смотреть в отрыве от стандартных отчетов Google Analytics.

В то же время такая достаточно банальная вещь как распределение длин цепочек атрибуции за период может рассказать весьма красноречивые вещи, причем не только об эффективности вашей рекламы.

В данной статье я покажу, как по этому распределению:

1. Выделить среди переходящих по рекламным каналам тех пользователей, кто реагирует на рекламу;
2. Оценить эффективность влияния вашей рекламной кампании на эту группу;
3. Оценить как бы реагировали на ваш товар люди, если бы знали про него все, что вы хотели им сообщить;
4. Оценить оптимальную с точки зрения уровня конверсии частоту показа рекламных объявлений.

Мне не жалко позволить вашим программам изучить мои личные данные, если в обмен на это я получу что-то полезное. Но такого обычно не бывает.

Мой бывший коллега сказал мне: «Все обожают собирать данные, но никто не любит их потом анализировать». Это заявление может шокировать, но люди, занимающиеся сбором и анализом данных, сталкивались с этим. Всё начинается с гениальной идеи: мы будем собирать информацию о каждом клике, который человек делает на каждой странице приложения! Мы будем отслеживать, как долго они размышляют над определённым выбором! Как часто они используют кнопку «назад»! Сколько секунд они смотрят наше вводное видео перед тем, как отключить! Сколько раз они делятся нашим постом в соцсетях!

И они всё это отслеживают. Отслеживать-то просто. Добавьте логи, сбрасывайте их в базу данных, и вперёд.

А дальше-то что? Ну, а дальше это всё придётся анализировать. И как человек, анализировавший множество наборов данных, относящихся к различным вещам, я могу заявить: работа аналитика трудная и по большей части неблагодарная (за исключением зарплаты).

Сегодня в блоге Chromium была опубликована новость о начале работы встроенного в браузер Chrome блокировщика рекламы. Разработчики планируют активировать модуль 9 июля, с этого момента большая часть рекламных материалов будет блокироваться.

По словам разработчиков, блокировщик позволит избавиться от некоторых типов рекламы, которые сильнее всего докучают пользователям. Ранее Chrome блокировал рекламу, которая нарушала стандарты, правда, только на сайтах Северной Америки и Европы. Кроме того, рекламная платформа корпорации Google приняла решение бороться с нарушителями, чтобы снизить количество «плохих» рекламных материалов.

Осмысленность отчетов о рекламных кампаниях(РК) значительно упрощает людям жиз… оптимизацию расходов. В процессе повышения уровня этой осмысленности, мы нашли один очень эффективный способ максимизировать рентабельность, принимая во внимание то, что мы назвали «взаимодействием каналов»(интеракцией каналов).


Оригинал: caricatura.ru

Реклама в интернете — страшно противоречивый вопрос. Она бесит, навязывается, лезет отовсюду, ее вообще не хочется видеть больше никогда в своей жизни. Но пропадет реклама, пропадут и те вещи, за которые мы любим интернет.

С появлением блокировщиков рекламы, перессорились, кажется, вообще все. Одни говорят, что ходить на хорошие сайты с включенным адблоком — это почти как пиратство. Законом не запрещено, но морально недопустимо. Другие говорят, что издатели сами все портят своей жадностью и баннерами под каждым абзацем. Третьи говорят, адблоки убивают бесплатный контент, четвертые — что адблоки держат рекламщиков в ежовых рукавицах и не дают наглеть.

Это большой спор, где каждый вроде прав, пока не становится совсем категоричным. Между молотом и наковальней в нем оказались сами создатели блокировщиков. Мы с fillpackart поговорили c Беном Уильямсом, директором Adblock Plus и постарались узнать, как они справляются с моральными противоречиями и почему занимают все более центристскую позицию.

Мы постоянно используем Интернет, чтобы управлять своими цифровыми устройствами в работе и трансляции жизни в социальные сети.

Наряду с нашим подключением к Интернету появляется связь с такими побочными эффектами, как вирусы, спам, хакерские атаки и цифровое мошенничество. Количество фишинговых сайтов, вредоносных писем, разрушительных вирусов возросло во всем мире.

Из различных угроз, с которыми отдельные лица и многие компании сталкиваются в наши дни через Интернет, ботнет является наиболее распространенным.

Электронные биржи, где ведется торговля ценными бумагами, проводят десятки тысяч транзакций за секунду. Удачными или нет будут торги, порой решают миллисекунды. К сожалению, иногда сотрудники бирж допускают ошибки, которые оборачиваются миллионными убытками — такое случалось уже не раз, и, вероятно, будет случаться и далее.

На днях стало известно о схожей ошибке, допущенной, правда, не на бирже, а в системе рекламы от Google. Стажер корпорации, проходя обучение, случайно запустил рекламную кампанию с измененной ценой клика, где в качестве рекламируемого объекта продвигался простой желтый прямоугольник. Ошибка обошлась компании в $10 млн.

Один из ведущих российских антибот-сервисов рассказывает о том, что на самом деле произошло в Нью-Йорке.

Во вторник, Прокурор Восточного округа Нью-Йорка предъявил уголовные обвинения против восьми человек по 13 обвинительным заключениям, связанным со схемой цифрового мошенничества, получившей название «3VE» (по-русски, читается как «Ева», является поздней модификацией «Methbot»).

Последнее время мне довольно часто стали задавать вопрос о том, насколько безопасно использовать различные готовые расширения, т.е. пакеты, написанные для языка R, есть ли вероятность того, что рекламный аккаунт попадёт в чужие руки

В этой статье я подробно расскажу о том, как устроен механизм авторизации внутри большинства пакетов и API интерфейсов рекламных сервисов, и о том, как использовать приведённые в статье пакеты максимально безопасно.