Контекстная реклама для SaaS-продукта: как легко измерять в бизнес-показателях эффективность контекстной рекламы

< >

Я специалист по контекстной рекламе в продуктовой компании Serpstat, которая входит в Netpeak Group. Раньше я работал в агентстве интернет-маркетинга Netpeak и на личном примере убедился, какой болью может быть отладка прозрачной связи между контекстной рекламой и реальной отдачей от этой рекламы для бизнеса.

Этот пост я адресую в первую очередь владельцам, руководителям и директорам по маркетингу продуктовых компаний (в основном — SaaS-продуктов), чтобы убедить их давать специалистам больше информации. Так как именно при контексте для SaaS-продукта относительно легко отладить бизнес-процессы так, чтобы четко понимать связь контекстной рекламы с главным бизнес-показателем — деньгами.

Кстати, классная тусовка русскоязычных владельцев и специалистов SaaS-продуктов, где они делятся новыми фишками и опытом, появилась в Facebook. Если для вас это актуально, присоединяйтесь.

Как известно, у большинства оффлайн-бизнесов (бизнесов, которые заpaбатывают не через сайт) существует множество моментов, которые делают отладку связи контекста с доходами от него более сложной. Но у продуктовых компаний и SaaS-продуктов — это очень просто. Почему? Потому что все действия клиента бизнеса происходят онлайн, там же происходит оплата, а данные об этих действиях в любом случае сохраняются в «админке» (или, другими словами, в CRM).

В общем, читайте, как мы все настроили в Serpstat и, возможно, вам будет полезен наш опыт.

Да, кстати, что касается веб-аналитики, один из основных подводных камней в ecommerce-проектах — распределение веса по каналам, участвовавших в транзакциях и формулировка выводов о том, что работает, а что нет.

Ecommerce	SaaS
Из-за разных категорий товаров слишком много времени уходит на расчет наценки или маржи.	Все просто: известен CAC, на который ты ориентируешься.
Нужно учитывать оффлайн-покупки, так как часть покупок произойдет не в онлайне.	Все покупки происходят в онлайне.
Множество вариаций доставок, которые также уменьшают маржу.	Онлайн-доступ к продукту.

Но обо всем по порядку. Давайте рассмотрим контекстную рекламу SaaS-проекта под микроскопом.

1. Предельные показатели окупаемости рекламы

CAC (customer acquisition cost) — стоимость привлеченного клиента. То, сколько вы готовы заплатить за каждого вашего клиента, то есть за его оплату. Для SaaS продукта — одна из основных метрик, потому что на ее основании вы сможете рассчитать все необходимые для работы предельные показатели.

LTV (Lifetime Value) — совокупная прибыль, полученная с одного клиента. Или, если угодно, пожизненная стоимость клиента. Рассчитывается как средняя сумма оплат клиента до момента прекращения его сотрудничества с вами. Другими словами, мы берем всех ушедших клиентов и считаем, сколько денег в среднем нам заплатил каждый из них.

1.1. Если вы не знаете CAC проекта

Если вы и есть маркетолог SaaS\\\'а или CEO, то вы, скорее всего, уже знаете CAC (если вы только не на ранней стадии). Если на ранней, то существует негласное золотое правило для SaaS продуктов, что CAC должен быть в 3 раза меньше LTV.

Вот так выглядит формула: CAC = LTV/3.

Именно в три раза меньше. Если будет больше трех — вы тратите слишком мало и вам нужно расширяться. Если же будет меньше трех — вы тратите слишком много и привлечение клиентов не окупается. В целом, отдавать за привлечение клиента до трети от дохода, — это этакий стандарт, который можно использовать при отсутствии других данных.

Пример: у нас было 100 клиентов, которые заплатили $10 000 в общем и когда-то перестали пользоваться нашим сервисом. Таким образом LTV = 10 000 / 100 = $100. Тогда CAC должен быть $33.

1.2. Если вы знаете свой CAC

Если вам повезло и вы знаете стоимость привлечения пользователя, тогда не надо извращаться с классическими формулами. Мы просто уточняем, сколько готовы платить за привлеченного пользователя, и работаем дальше.

Итак, у нас есть формула для расчета граничной стоимости привлечения клиента, выдерживая которую контекстная (и любая другая реклама) не будет убыточна. Но что по поводу кликов, их стоимости и других действий по воронке (в случае Serpstat — регистрации и стоимости регистрации)?

Здесь все просто — нужно взять данные по воронке от клика до оплаты клиента. То есть до его приобретения (Customer Acqusition). В нашем случае это конверсия из кликов в регистрации и из регистрации в оплаты.

2. Автоматизируем расчеты — калькулятор CPC/CPR и как с ним работать

Я покажу вам калькулятор, который использую в Serpstat. При условии, что мы знаем данные об LTV, он помогает рассчитать, сколько можно тратить на привлечения регистрации и оплаты, а также сколько необходимо платить за клик для окупаемости контекстной рекламы.

Данные намеренно выдуманы, но смысл понятен:

Мы видим, что для совершения одной оплаты нам нужно привлечь 97 зарегистрированных пользователей по $1,57. А для этого нужно получить 1791 клик по $0,08.

Та же таблица в Google Sheets.

Данные калькулятора показывают, какую максимальную цену я могу платить за клик, пользователя или оплату для окупаемости контекстной рекламы.

По сути, вы можете тратить сколько угодно денег (= неограниченный бюджет) при цене клика до 0,08$ и выдерживая CAC до $146.

Рассмотрим подробно этот калькулятор.

2.1. Калькулятор: коэффициент конверсии в оплаты

Какой коэффициент конверсии в платного пользователя выбрать? И учитывать ли брендовый трафик — людей, которые пришли к нам на сайт из контекстной рекламы по нашим брендовым запросам?

В нашем случае мы уже запустили контекстную рекламу и получили данные по ней. У вас же может быть вариант, когда реклама только в планах — в таком случае берем данные по всему сайту и трафику.

Варианты, которые мы рассматривали при анализе и составлении калькулятора:

• Оплатившие / Все пользователи сайта;
• Оплатившие / Зарегистрированные;
• Оплатившие / Новые пользователи (По GA) ;
• Оплатившие (CPC) / Все пользователи сайта (Только из канала CPC) ;
• Оплатившие (CPC) / Зарегистрированные (Только из канала CPC).

Мы выбрали модифицированный вариант:

Оплатившие (CPC) — оплаты по брендовому трафику / Зарегистрированные (CPC) — регистрации по брендовому трафику.

Так мы получили самый точный коэффициент конверсии в оплаты для CPC-канала и исключили поправки на конверсионность разных каналов.

Посчитаем, сколько необходимо регистраций для совершения одной оплаты. Зная коэффициент конверсии в оплату, это не составит труда:

1/1,03*100% = 97 регистраций.

Чтобы получить одну оплату, необходимо привлечь 97 регистраций.

А сколько мы можем заплатить за одного зарегистрированного пользователя? Просто разделим CAC на количество регистраций:

146,3/97= $1,507.

2.2. Калькулятор: коэффициент конверсии в регистрации

Пока все просто, да? Вот возможные варианты для расчетов:

• Регистрации / Все посетители сайта;
• Регистрации / Новые посетители (По GA) ;
• Регистрации (CPC) / Все посетители сайта (Только из канала CPC) ;
• Регистрации (CPC) / Новые посетители (Только из канала CPC).

Здесь мы решили немного поэкспериментировать и выбрать два разных коэффициента конверсии.

Зачем?

У нас была довольно весомая разница в коэффициентах по CPC и остальным каналам в среднем. Коэффициент конверсии из CPC был на 30% меньше, чем в среднем по всем каналам.

Тогда было принято решение использовать «вилку» — диапазон граничных значений из двух вариантов.

1. Первый вариант (минимальный в нашем случае) — зарегистрированные пользователи из CPC-канала / новые посетители из CPC-канала.
2. Второй вариант (максимальный в нашем случае) — все зарегистрированные пользователи / все новые посетители.

Другими словами, мы получили два прогноза. По первому мы получаем начальное значение только по CPC-каналу, что позволяет нам отталкиваться от реальных условий, а не только предполагать. Но поскольку у нас в среднем по всем каналам коэффициент выше, то получаем «запас прочности» и возможность для маневрирования.

Дальнейшие расчеты не должны вызвать особых трудностей:

Количество пользователей = Регистрации/CR в регистрацию*100;
Первый вариант — 97/5,42*100% = 1791 посетителей;
Второй вариант — 97/7,77*100% = 1250 посетителей.

И, наконец, «вилка» по CPC:

Граничный CPC = CAC/Количество посетителей;
Первый вариант — 146,3/1791 = $0,08;
Второй вариант — 146,3/1250 = $0,12.

Мы рассчитали граничные показатели успешности рекламы для вашего SaaS-продукта, достигая которых реклама будет на нулевой окупаемости. Теперь главное не превышать этих показателей и стремиться к их снижению.

Что у нас получилось:

LTV = $439;
CAC < (Customer acquisition cost) — $146,3;
CPR < (Cost-per-registration) — $1,57;
CPC < 0.08 — $0,12.

Эти показатели расположены в порядке важности. Если вы удерживаете CPC на уровне $0,08 — 0,12 (при этом у вас CAC ниже граничного), то все отлично и ваш трафик конвертируется лучше, чем вы предполагали. Продолжайте в том же духе и увеличивайте объемы.

3. Строим прозрачную аналитику. Связываем контекстную рекламу с продажами

С предельными цифрами разобрались. Но это только половина пути. Вам нужно еще убедиться в правильности расчетов, а также аргументировать необходимость анализа эффективности контекстной рекламы.

Нужно подкрепить цифры теории понятными фактами.

3.1. Способы расчета эффективности контекстной рекламы

Выше я упоминал, что SaaS-модель нельзя считать и оценивать привычным вам способом. Как правило, владельцы SaaS, а иногда и сами специалисты по контексту считают транзакции так:

Всего регистраций в этом месяце X, всего оплат в этом месяце Y.

Так считать неправильно — статистику портит срок принятия решения. Средний срок принятия пользователем решения о покупке нашего продукта составляет почти месяц. Как минимум 90% потенциальных покупателей купят его в следующем месяце. Получается, ROI текущего месяца будет минус бесконечность, а следующий месяц будет очень успешный.

Решить эту проблему можно такой моделью расчета: «Всего регистраций в этом месяце X. Из них за все время оплатило Y».

Так ROI месяца будет сохранен и срок принятия решения больше не будет мешать нам прозрачно анализировать данные.

Мы в Serpstat переносим весь вес на дату регистрации — независимо от того, когда пользователь оплатил, вес транзакции будет отдан месяцу, в котором он зарегистрировался. Даже если пользователь оплатил через два месяца, оплата будет зачислена в тот месяц, в котором была совершена регистрация.

Также при регистрации мы фиксируем, по какому каналу пришел пользователь. Ручная пометка дает нам возможность ставить дополнительные теги в админке проекта и вести параллельный с Google ***ytics учет лидов и клиентов.

Пользователь — центральный объект нашей аналитики и к нему мы привязываем канал трафика, оплаты и запросы.

3.2. Фильтр по пользователям — основа для прозрачной аналитики эффективности контекстной рекламы

В этом массиве данных нам нужно отфильтровать необходимых пользователей из контекстной рекламы.

Вероятнее всего, у вашего SaaS-бизнеса в том или ином виде есть определенные фильтры для выполнения этой задачи. Если же никаких фильтров нет, самое время поставить техническое задание на их создание.

Что нужно отслеживать? Было бы неплохо отфильтровать CPC-канал от всех остальных. Также необходимо знать дату регистрации пользователей и дату их первой оплаты для подсчета среднего срока принятия решений.

Мы создали похожий фильтр для сортировки пользователей по всем возможным параметрам и сохранили его в админ-панели продукта. Например, с такими настройками мы можем посмотреть всех пользователей, которые зарегистрировались с пометкой PPC за апрель-май текущего года. Пометка PPC была выбрала для исключения возможного пересечения в Google ***ytics и двойного подсчета трафика.

Набор фильтров достаточно большой и позволяет фильтровать пpaктически все возможные варианты.

Так очень легко отслеживать состояние лидов, приведенных через контекст, и делать ежемecячные отчеты.

3.3. Итоговая отчетность о работе в конце каждого месяца

После проделанных манипуляций отчет за месяц будет выглядеть примерно так (не забываем, что цифры не соответствуют действительности): Из отчета видно, что контекстная реклама для продукта Serpstat не окупается. Но после всех проделанных манипуляций мы хотя бы видим четкую и прозрачную связь, а не «стали звонить больше», «вроде работает» и прочие похожие выводы.

Итак, я:

1. Посчитал диапазон предельных CPC и стараюсь держаться в пределах допустимого CAC.
2. Делаю отчеты, которые четко и прозрачно позволяют увидеть связь между контекстной рекламой и увеличением продаж.

Моя работа становится четкой и понятной, я привожу владельцу SaaS клиентов в три раза дешевле среднего LTV. Это позволяет тратить неограниченные средства, только бы сохранялось золотое правило CAC < LTV/3.

На самом деле в Serpstat я могу, выдерживая положительный ROI, использовать любой бюджет для контекстной рекламы. Мне даже не нужно его согласовывать, если я держу CPC в рассчитанных рамках и по результату месяца показываю положительный ROI.

Выводы

Как видите, не так уж сложно сделать первый шаг на пути к тому, чтобы сделать контекстную рекламу прозрачной для бизнеса продуктовых компаний. Почему первый шаг?

Потому что впереди нас ждет внедрение более объективной модели, чем описанная, — модели многокaнaльной атрибуции по воронке. Но даже без этого, после всех описанных шагов, мы уже имеем четкую и прозрачную связь с бизнес-метриками, вместо привычных «вроде бы стали писать/звонить больше».

Кроме того, мы получили диапазон CPC, который позволяет нам оставаться рентабельным, а это позволяет получить условно неограниченный бюджет в контекстной рекламе.

Честно скажу, что все написанное выше — очевидное, а не невероятное. Но я уверен, что на большинстве проектов связи не выстроены подобным образом и я бы хотел своим примером воодушевить хотя бы как можно больше продуктовых компаний наладить связь «админки» с «контекстом».

Зачем?

1. Это даст специалистам по контекстной рекламе возможность при управлении кампанией принимать более объективные и основанные на бизнес-показателях решения.
2. Владельцам, руководителям бизнеса и директорам по маркетингу позволит четко понимать главное — сколько денег приносит контекстная реклама, рентабелен ли этот инструмент, при каких условиях инструмент станет рентабельным.

Как я уже сказал, сейчас мы в процессе внедрения мультикaнaльной модели атрибуции по воронке. После того, как все сделаем, ждите следующий пост :)