Окупність трафіку в екосистемі схожих продуктів: як правильно спрогнозувати виторг і знизити рекламні витрати

June 27, 2022

Всім привіт!

Мене звуть Олександр Селезньов, я керівник одного із проектів у компанії SocialTech. Наш бізнес - це розважальні платформи, на яких користувачі можуть спілкуватися, дивитися відео, обмінюватися фотографіями та багато іншого. Ми створили безліч таких сайтів, щоб покрити якомога більшу аудиторію, і зараз це вже ціла екосистема схожих продуктів.

Якось ми запустили ще один сайт та виявили проблему: половина людей, яких залучаємо, вже зареєстровані на інших наших ресурсах. Вирішили з'ясувати, чи вигідно нам платити за такий трафік і чи правильно вважаємо ROI. Спойлер: і так, і ні.

Що таке «екосистема схожих продуктів»

Поясню, що я маю на увазі під цим виразом. Коли ви зайдете в магазин, то побачите на полицях пральні порошки Ariel та Tide, засоби для миття посуду Fairy та Gala, зубні пасти Blend-a-med та Oral-B. Брендів багато, а виробник один – Procter&Gamble. Хоча ми бачимо різноманітність продуктів, насправді весь стелаж може бути заставлений одним виробником.

Коли товари схожі між собою і вже не відрізняються якістю чи ціною, то на вибір покупця починають впливати ірраціональні фактори: бажання чогось нового, гарне та яскраве пакування, інший запах.

Мета будь-якого бізнесу — зайняти якнайбільше полиць своїми товарами. Тобто компанії створюють майже однакові продукти, щоб залучати нову аудиторію та утримувати колишню, яка остигає до старого.

Подібні продукти для нас також можливість рости, укладати ексклюзивні договори з партнерами. Коли ми мали мету збільшити виручку в рази, ми активно використовували цей інструмент.

Особенности бизнеса

Ми залучаємо трафік із Google, Facebook або партнерських мереж. Платимо за ліда — реєстрацію користувача з відповідними параметрами: вік, країна, інтереси.

Вони живуть на продукті роками. При цьому відносно невелика частина з них приносить більшу частину виторгу. Подібний розподіл ускладнює ухвалення бізнес-рішень.

Наприклад, якщо команда залучила вчора 1000 чоловік із Facebook по 10$ за кожного і ніхто з них не став платником, то чи можна сказати, що це поганий трафік? Ні, тому що для таких висновків потрібно більше даних, щоб стати статистично значущими.

Щоб уникнути цієї проблеми, ми почали прогнозувати активність користувачів та їх ймовірність заплатити. Це дозволило швидше оцінювати ефективність каналів залучення. Також це призвело до того, що всі рішення щодо управління фінансами почали базуватися на прогнозах.

Як знайшли проблему

Коли сайтів стало більше десяти, виявилося, що багато залучених користувачів вже зареєстровано на наших старих ресурсах. Тобто, ми платимо за одного і того ж клієнта щоразу. У цій статті називатимемо це терміном «повторна покупка». Сайти практично однакові (як Blend-a-med та Oral-B), а значить створення додаткової вартості не повинно відбуватися, і ті ж люди не принесуть нам більше грошей. Розрахунки показали, що повторна купівля становить 50% наших бюджетів.

Це означає:

  • Ми неправильно витрачаємо гроші, і вони незабаром закінчаться. Усі фінансові рішення приймаються з урахуванням прогнозів. І якщо у розрахунки закладено помилку, то передиктивні системи працюють некоректно. Сьогодні ми можемо не бачити проблему та продовжувати зростати. Але в майбутньому компанія не зможе заробити тих грошей, що запланувала. Бізнес почне зазнавати збитків.
  • Продукт уперся в стелю ніші - приплив нової аудиторії практично закінчився, зростання далі неможливе. Зароблятимемо стільки ж, як зараз, або менше.

Буквально останніми днями відбулися дві знаменні події: МВС Великобританії дозволило видачу Джуліана Ассанжа США, а «Телеграм» запровадив платну підписку. Як ці події пов'язані та про що вони говорять? Це показує, що золотий вік web 2.0 як простору свободи закономірно добігає кінця. З одного боку, наступ веде…

Обидва ці припущення мають бути перевірені. І знайти рішення.

Що дізнались

Як давно ми повторно купуємо своїх користувачів? Виявилося, що після запуску другого сайту серед нових залучених клієнтів був маленький відсоток старих. Але за останній рік їхня кількість зросла з 20% до 50% — якраз у той час, коли бізнес активно масштабувався (запускали нові продукти).

Для оцінки ефективності закупівлі ми використовуємо ROI когорти реєстрацій після шести місяців, тобто порівнюємо виторг за півроку від користувачів, залучених у конкретний період, з усіма витратами на них за цей час.

Наприклад, компанія залучила у грудні 1000 користувачів за 5000$, за шість місяців (до червня кумулятивно) вони принесли 10000$. ROI = (10000-5000) / 5000 * 100% = 100%. Це означає, що вони окупили всі витрати на них і принесли додатково стільки ж.

Але зростання рівня повторної купівлі не вплинуло на цей показник.

Тоді ми висунули гіпотезу: що більше порядковий номер реєстрації користувача, то гірше його ROI. Щоб окупити закупівлю трафіку, людина має використовувати лише один продукт, кожна наступна реєстрація приносить дедалі менше грошей.

Допустимо, у нас тільки один сайт, і користувач витрачає на ньому 100 $. А якщо у нас три сайти, то він платить на першому $50, на другому - $30, а на третьому - $20. При цьому витрати на його залучення на кожен із трьох сайтів умовно по 10$, а в сумі — 30$. Виходить, клієнт приносить нам ті самі 100 $, але на рекламу ми витрачаємо 30 $ замість 10 $.

Але ця гіпотеза не підтвердилася. Виявилося, що ROI наступних реєстрацій практично не відрізняється від першої — залучати повторно навпаки вигідно. Очевидно, це не може бути правдою. Це типовий приклад помилки того, хто вижив.

Користувачі, які витрачають більше за інших, схильні реєструватися на схожих сайтах і платити ще й там. Щоб зрозуміти ефект від повторної покупки, нам потрібно з'ясувати, чи витратили б вони ту саму суму на одному сайті, що й на п'яти.

Але є проблема: в історії нашого продукту немає такого стану, в якому це можна перевірити. Він постійно змінювався. Порівнювати його зараз із часом, коли був лише один сайт, некоректно.

Як зрозуміти, наскільки ефективна повторна купівля? І яким може бути ROI? Питання ось у чому: витрати на рекламу Y, а реєстрація принесла нам X. Може варто витрачати 0,5 Y, а користувач приноситиме 0,9 X?

Щоб вирішити це завдання, потрібно уникнути помилки того, хто вижив. Вона з'являється у той момент, коли ми намагаємося використовувати в аналізі та прогнозах номер реєстрації користувача. Модель підлаштовується під цей фактор і показує, що людина, яка зареєструвалася на п'ятому нашому сайті, — це та, хто дає нам найбільше грошей.

Як вирішили

Прийшли до того, що унікальний користувач це імейл (на сьогодні вже фінгерпринт), а не аккаунт. На продукті для логіну використовують пошту, тому це найпростіший спосіб визначити тих, хто користується кількома сайтами.

Раніше ми просто рахували фактичні гроші конкретного облікового запису.

Тепер хочемо дивитися на виручку імейлу і на те, як на неї впливає поява нового облікового запису. У цій реальності повторна реєстрація має якось відрізнятися від першої, адже людина вже знайома з нашим продуктом.

А раз він уже знайомий із сайтом, то гроші витрачатиме не так само, як новий клієнт. Отже, і дохід слід вважати інакше.

Адже насправді з X грошей, що принесла друга реєстрація, 0,5X може бути заслугою першої, а отже, ці гроші необхідно атрибутувати до першої реєстрації, а не другої.

Для цього ми вигадали коефіцієнти повторної покупки, які говорять нам, як же розподіляти виручку між обліковцями користувача. Щоб розрахувати їх, ми спрогнозували виручку від імейлу, за винятком фактора номера реєстрації, за пару днів до якоїсь із реєстрацій (наприклад, другої), і через кілька днів після неї. Різниця між цими значеннями означає додатковий виторг, який створює повторна покупка.

Кожна нова реєстрація з огляду на перерозподіл виручки нашими коефіцієнтами приносить менше грошей, порівняно з першою. Більше того, 80% виторгу після другої реєстрації ми отримуємо завдяки першій. Користувач починає менше платити на першому сайті та переносить частину своїх платежів на другий. Через це справжній ROI когорт відрізняється на 10-15 процентних пунктів від старого.

Гроші розподіляються не так, як уважали раніше. Накопичувальний ефект від таких відхилень ми почали помічати останнім часом у наших фінансах, але бити на сполох було рано.

Раніше:

Тепер:

У новій моделі оцінки та прогнозу ROI ключовими виявилися два фактори:

  • Скільки часу пройшло післе попередньої реєстрації;
  • Яка вона по рахунку.

За певних умов повторна купівля має сенс.

Якщо після першої реєстрації минуло 100 днів, то ми вигідно знову залучити цього користувача. Він уже звик до продукту, охолонув, його активність знижується. Привівши його на інший сайт, ми відновлюємо інтерес.

Але якщо людина зареєструвалася сьогодні і через кілька годин зробила це ще раз на іншому продукті, то вона зробить вибір і користуватиметься лише одним сайтом. Отже, наша друга витрата безглузда. Отримані знання дозволили нам оптимізувати витрати в рекламних кабінетах Google, Facebook та з іншими партнерами із залучення трафіку та закуповувати лише тих користувачів, які реально здатні принести нам дохід.

Результати:

  • Ми точні у наших прогнозах і можемо на них спиратися;
  • Ми знаємо реальну ефективність нашого маркетингу;
  • Ми знаємо точки зростання та точки оптимізації витрат. Ми платимо більше за привабливіший для нас трафік. Якщо це перша реєстрація, ми можемо платити за неї не X, а 1,2X, тому що знаємо, що вона може принести набагато більше грошей. І навпаки, знижуємо витрати на користувачів, які не принесуть нам прибутку;
  • Ми відновили ROI закупівель та знизили витрати на 20% при тому ж рівні виручки/