Test inkrementalnej skuteczności remarketingu

Remarketing jest jednym ze skuteczniejszych narzędzi marketingu online. Dzięki zastosowaniu plików cookie i podobnych technologii, reklamodawcy mogą kierować swoje reklamy do osób, które wcześniej odwiedziły stronę reklamodawcy. Reklamę można ograniczyć do osób, które dokonały bądź nie dokonały określonych akcji, na przykład, włożyły towar do koszyka, ale ostatecznie nie dokonały zakupu.

Ze względu na kierowanie reklam do bardzo wąskiej grupy docelowej, do osób, które najczęściej znajdowały się już dosyć daleko na ścieżce zakupowej, remarketing cechuje niezwykle wysoka skuteczność mierzona konwersjami.

Dostawcy remarketingu wykorzystują ten argument do przekonywania reklamodawców, by angażować większe środki w ten kanał reklamy, tym bardziej, że u wielu reklamodawców jest to jedyna forma reklamy display, która przynosi namacalny zwrot z inwestycji w postaci dostarczonych konwersji. Czy jednak w tych statystykach nie ma pewnej manipulacji danymi?

Problem w tym, że proces decyzyjny kupującego podlega szeregowi czynników, nie tylko reklamom, a na podstawie samego faktu pojawienia się reklamy na ścieżce konwersji nie jesteśmy w stanie określić jej rzeczywistego wpływu na przyrost konwersji.

Metodologia atrybucji (przypisania konwersji do źródła)

Przy mierzeniu konwersji istotne znaczenie ma metodologia przypisywania konwersji do danego źródła (atrybucji). Google Analytics domyślnie przypisuje źródło konwersji do ostatniego kliknięcia niebezpośredniego, ale mierzenie konwersji Google Ads lub innego dostawcy remarketingu przypisze konwersje do ostatniego kliknięcia danej reklamy remarketingowej, nawet jeśli bezpośrednio po kliknięciu reklamy remarketingowej konwersja nie nastąpiła, a ostateczny impuls do zakupu dała reklama innego dostawcy.

Jeśli więc użytkownik po wejściu do sklepu opuścił ścieżkę zakupu, a następnie kliknął w reklamę remarketingową, ale w dalszym ciągu nie dokonał zakupu, po czym wszedł na stronę reklamodawcy z Facebooka, to śledzenie konwersji Google Ads wciąż pokaże, że remarketing wygenerował konwersję, a Google Analytics przypisze ją do Facebooka, pokazując remarketing jako kliknięcie wspomagające.

Dlatego system śledzenia konwersji dostawcy remarketingu (np. śledzenie konwersji Google Ads) wskaże zazwyczaj więcej konwersji po kliknięciu w reklamę remarketingową, niż zobaczymy w raportach Google Analytics, gdzie w części przypadków źródło konwersji zostanie nadpisane przez ostatnią wizytę przed konwersją.

Konwersje po wyświetleniu

W niektórych przypadkach reklamodawcy będą przekonywani o skuteczności remarketingu konwersjami, które nastąpiły po wyświetleniu reklamy remarketingowej, ale bez jej kliknięcia. Tego rodzaju argumentacja jest pewnym nadużyciem.

Wynika to z faktu, że praktycznie każdy proces konwersji jest rozłożony w czasie, użytkownicy będą mieli niemal zawsze wyświetlane reklamy remarketingowe w trakcie jego trwania, niekoniecznie nawet je dostrzegając. Traktowanie takich konwersji po wyświetleniu na równi z konwersjami po kliknięciu jest błędem i manipulacją danymi, zwłaszcza w przypadku remarketingu.

Znaczenie kliknięć i wyświetleń wspomagających

W dyskusjach o remarketingu zawsze pojawiają się argumenty o inkrementalnym wpływie remarketingu na proces konwersji. Problem jednak tkwi w tym, że nie posiadamy obecnie gotowych narzędzi do mierzenia faktycznego wpływu na konwersje ze strony kliknięć i wyświetleń wspomagających (czyli takich, które poprzedziły konwersję, ale nie były ostatnią interakcją poprzedzającą konwersję).

Już sama nazwa „wspomagające” jest myląca i sugeruje pozytywny wpływ na wynik. Jest to niezbyt trafne tłumaczenie słowa „assist”. Wydaje się, że należałoby raczej mówić o wyświetleniach i kliknięciach „towarzyszących”. Sam fakt, że reklama remarketingowa pojawiła się na ścieżce konwersji jeszcze nie dowodzi, że miała ona wpływ na konwersje, ani nie wskazuje, jaki ten wpływ był.

Rzecz jasna, raczej nie należy się spodziewać, aby wpływ reklam był negatywny, ale na ile reklama remarketingowa zwiększyła sprzedaż, czy jej wkład w konwersję wynosi 10%, 30%, czy więcej – nie wiemy. A może wydatek na remarketing w niektórych przypadkach jest zupełnie niepotrzebny, bo użytkownicy tak czy tak by skonwertowali?

Jedno jest pewne – remarketingowi nie możemy przypisać 100% atrybucji (udziału) w konwersji. Za każdego użytkownika, który skonwertował z remarketingu, już wcześniej zapłaciliśmy.

Nie ma znaczenia, czy zapłaciliśmy za niego w kampanii w wyszukiwarce lub display, czy też było to wejście z wyników organicznych, Facebooka, mailingu – każde z tych źródeł wiąże się z określonym kosztem.

Nawet jeśli wysłanie e-maila czy umieszczenie postu na Facebooku kosztuje nas stosunkowo niewiele, to samo zbudowanie bazy mailingowej czy fanów na Facebooku wymagało wcześniejszych nakładów. Również wejścia bezpośrednie nie biorą się z niczego, są one echem innych kampanii i poniesionej inwestycji w budowę marki.

Z tego powodu, konwersje z kampanii remarketingowej nie mogą być wyceniane według tej samej wartości, jak konwersje z innych kampanii display czy też kampanii w wyszukiwarce.

Dostępne w Google Analytics narzędzia modelowania atrybucji nie pozwalają uzyskać odpowiedzi na to pytanie.

Test wpływu remarketingu na wynik – eksperyment z grupą kontrolną

W przypadku remarketingu mamy jednak możliwość przeprowadzenia eksperymentu, który z wykorzystaniem Google Analytics odpowie na pytanie o faktyczny udział remarketingu w konwersji.

Koncepcja eksperymentu

Użyjemy w tym celu zmiennych niestandardowych Google Analytics. Każdemu użytkownikowi, który odwiedzi witrynę, przypiszemy w sposób losowy zmienną niestandardową o wartości “A” lub “B”. Jest to zmienna na poziomie użytkownika (nie na poziomie sesji lub strony), a ponowna wizyta danego użytkownika nie spowoduje nadpisania nowej wartości.

Następnie wygenerujemy listy remarketingowe Google Analytics (listy użytkowników z wartościami zmiennej niestandardowej “A” i “B”) przy czym kampania remarketingowa skierowana będzie wyłącznie do użytkowników znajdujących się na liście “A”.

Uwaga – jeżeli dla witryny prowadzona jest w danym momencie kampania remarketingowa, konieczne jest ponowne wygenerowanie list remarketingowych w postaci kombinacji niestandardowej listy użytkowników z Google Analytics oraz aktualnej listy remarketingowej. Z pozoru prostszą alternatywą jest dodanie listy remarketingowej “B” jako wykluczającej, ale w tym przypadku należy pamiętać, że remarketingowi będą poddawani również użytkownicy, którym żadna ze zmiennych nie została przypisana, więc dane będzie można analizować dopiero po upływie czasu trwania dotychczasowych list remarketingowych, kiedy już wszyscy użytkownicy z listy remarketingowej będą mieli przypisaną jedną z wartości zmiennej niestandardowej, “A” lub “B”.

W ten sposób podzielimy użytkowników na dwie równe populacje, “A” i “B”, z których tylko populacja “A” poddawana jest remarketingowi. Porównując konwersje w obydwu populacjach, będziemy mogli określić, w jakim stopniu remarketing spowodował wzrost liczby konwersji dla całej witryny, jak i dla poszczególnych źródeł ruchu.

Etapy eksperymentu

Eksperyment taki przeprowadziliśmy dla dużego serwisu e-commerce. Eksperyment podzieliliśmy na etapy:

1. A=B – W pierwszym etapie remarketing kierowany był do obydwu populacji.

2. Remarketing tylko w A – W drugim etapie remarketing dla populacji B został wyłączony.

3. A=B – Remarketing dla grupy B został ponownie włączony, przez co przywrócony został stan z etapu pierwszego. Etap ten podzielimy na dwie części:

(3a) etap pośredni (P) – pierwsze trzy dni po przywróceniu remarketingu dla populacji B;
(3b) etap końcowy A=B – dzień czwarty i kolejne dni.

Wyniki dla poszczególnych etapów

Etap 1. Celem etapu pierwszego było upewnienie się, że obydwie populacje “A” i “B” są statystycznie identyczne. Liczba wizyt oraz transakcji w grupach “A” i “B” okazały się bardzo bliskie sobie (różnice znacznie mniejsze niż ±1%), a inne parametry wizyt, takie jak czas pobytu na stronie oraz liczba odsłon na wizytę były niemalże takie same, co potwierdziło, że podział populacji “A” i “B” jest prawidłowy i są one identyczne ze statystycznego punktu widzenia.

Etap 2. Po wyłączeniu remarketingu w grupie “B”, odnotowaliśmy w niej spadek wizyt, skutkiem czego liczba wizyt w grupie “A” była o 5,2% wyższa. Jednocześnie liczba transakcji w grupie “A” okazała się wyższa o 18,5%.

Etap 3a. Po przywróceniu remarketingu dla grupy “B”, liczba wizyt się zrównała, ale przez pierwsze trzy dni, w grupie “A” mieliśmy o 15% więcej transakcji.

Etap 3b. W kolejnych dniach liczba transakcji w obydwu grupach zrównała się.

Podsumowanie wyników

Użytkownicy, którzy byli poddawani remarketingowi dokonywali o 18,5% więcej transakcji niż użytkownicy, którzy reklam remarketingowych nie oglądali (a tym samym nie mogli w nie klikać). W tym czasie system Google Analytics raportował, że konwersje po kliknięciu w reklamy remarketingowe stanowiły 1,7% wszystkich konwersji w grupie “A”. Oznacza to, że faktyczny wpływ remarketingu był niemal 11x większy, niż wynikało to ze statystyk konwersji po ostatnim kliknięciu niebezpośrednim.

Jak to możliwe? Eksperyment ten potwierdził, że skuteczność reklamy online opiera się nie tylko o kliknięcia w reklamę. Bannery reklamowe działają, nawet jeśli nie są klikane. Nikt nie klika w ekran telewizora (choć niewykluczone, że będzie tak w niezbyt odległej przyszłości), nikt nie klika w billboardy i inne reklamy outdoor, ani w reklamę radiową, ale nikt nie wątpi, że oddziałują one na klientów.

Podobnie w przypadku remarketingu, użytkownicy będący w trakcie podejmowania decyzji o zakupie danego produktu, oglądając reklamy ulegają im, niekoniecznie klikając w nie. Poza czynnikiem przypominającym, tworzy się w mikroskali swego rodzaju lokalna świadomość marki, która pozytywnie wpływa na decyzje klientów.

Konkluzje

W analizowanym przykładzie obawy o przeszacowanie wartości konwersji z kampanii remarketingowych okazały się nieuzasadnione. Mimo że remarketing ma tylko częściowy wkład w proces konwersji i z pewnością część użytkowników skonwertowałaby również bez styku z kampanią remarketingową, to wspierające działanie remarketigu jest bardzo silne i w efekcie wartość konwersji z kampanii remarketingowej jest faktycznie znacznie wyższa niż wynika to z bezpośredniego przypisania jej transakcji po kliknięciu w reklamę.

Wnioski te pozwoliły na znaczne rozszerzenie kampanii remarketingowych tego reklamodawcy i zaakceptowanie wyższego kosztu konwersji po kliknięciu z remarketingu, gdyż na każdą konwersję po kliknięciu z tego źródła uzyskujemy faktycznie dodatkowe 10 konwersji po wyświetleniu reklamy.

Okno czasowe

Interesujące wydaje się wystąpienie okienka czasowego (okres przejściowy). Abstrahując od istotności statystycznej tego wyniku, różnice czasowe mogą wynikać z dwóch czynników o przeciwnym działaniu:

(a) Utrzymywanie się lokalnej świadomości marki – użytkownicy jeszcze przez jakiś czas mogą “pamiętać” reklamy remarketingowe, nawet jeśli nie są one już emitowane.

(b) Różna skuteczność remarketingu w czasie, wynikająca ze zmian proporcji efektu wspierającego konwersję oraz efektu kanibalizacji.

Kanibalizacja w remarketingu wynika z faktu, że z całą pewnością część użytkowników, którzy są poddawani remarketingowi, skonwertowałaby i tak bez niego. Jak już wiemy, w naszym eksperymencie efekt ten okazał się znacznie niższy od efektu wspierającego. Nie znaczy to jednak, że jest tak przez cały czas.

Czas trwania listy remarketingowej

Statystyki kampanii remarketingowych zazwyczaj pokazują, że współczynnik konwersji oraz liczba konwersji jest największa w pierwszym dniu stosowania remarketingu. Czy to znaczy, że w pierwszym dniu remarketing jest najbardziej skuteczny? Otóż, nie jest to żaden dowód.

Każda transakcja online odbywa się w czasie. Od ostatniego kliknięcia do konwersji najczęściej mija pewien czas. I to, że w pierwszym dniu, a nawet pierwszej godzinie konwersji jest najwięcej, jest również typowym zjawiskiem.

Możliwe jest na przykład, że faktycznie w ciągu pierwszych godzin/dni od wizyty wpływ remarketingu jest niewielki, nawet jeśli odnotowujemy dużą klikalność i konwersje po kliknięciu, gdyż użytkownicy Ci i tak by skonwertowali, a wyjście ze ścieżki zakupu miało raczej charakter techniczny. Wydawanie pieniędzy na remarketing i nachalne przypominanie o niedokończonej transakcji już od pierwszej minuty może nie mieć sensu i jest możliwe, że dopiero z upływem pewnego czasu warto zainwestować w remarketing i przypomnieć o niedokończonej transakcji, gdyż prawdopodobieństwo że użytkownik skonwertuje bez impulsu ze strony reklamy zaczyna istotnie maleć i wtedy efekt wspierający może być znacznie silniejszy od kanibalizacji.

Wykonaliśmy jednak analogiczny eksperyment, tym razem jednak w grupie B nie wyłączyliśmy całego remarketingu, ale jedynie 1-dniową listę remarketingową. Również w tym przypadku odnotowaliśmy istotną różnicę w liczbie transakcji wskazującą, że remarketing dla tego produktu należy stosować już od pierwszego dnia po opuszczeniu przez użytkownika ścieżki konwersji. Opisana wyżej hipoteza została obalona.

Możemy jednak założyć, że po pewnym czasie remarketing z celem sprzedażowym przestaje mieć sens, gdyż użytkownik najprawdopodobniej kupił już inny produkt lub zupełnie zrezygnował z zakupu. Idąc jeszcze dalej, po pewnym czasie staje się prawdopodobne, że użytkownik będzie ponownie zainteresowany zakupem (upłynął typowy okres eksploatacji, okres typowy dla wystąpienia potrzeby wymiany na nowszy model, wyjazdu na kolejne wakacje, nabycia kolejnej pary butów…).

Listy remarketingowe dla reklam w wyszukiwarce (RLSA)

Podobny problem pojawia się przy analizie skuteczności list remarketingowych dla kampanii w wyszukiwarce (RLSA). Użytkownicy z list remarketingowych mają często wyższe współczynniki konwersji. Analogicznie jak w przypadku krótkich list, powracający użytkownicy z natury rzeczy konwertują lepiej. Czy znaczy to, że warto zastosować w ich przypadku wyższe stawki, by pozyskać więcej sprzedaży?

A może jest wręcz przeciwnie? Może powinniśmy obniżyć stawki w liście remarketingowej? Przemawiają za tym następujące argumenty:

  • użytkownik, który zamierza wrócić na naszą stronę, by dokończyć transakcję, znajdzie nas nawet jeśli nasza reklama będzie wyświetlana nieco niżej;
  • z obesrwacji wynika, że wynik jakości dla powracających użytkowników jest wyższy (świadczą o tym wyższe pozycje reklamy i niższe CPC w listach remarketingowych bez zmienionej stawki), więc dla uzyskania odpowiedniej pozycji wystarczy niższa stawka;
  • użytkownicy ponownie wyszukujący w wyszukiwarce mogą, z dużym prawdopodobieństwem chcieć odwiedzić inną stronę (np. by porównać oferty), zwłaszcza jeśli wyszukiwanie nastąpiło bezpośrednio po opuszczeniu naszej strony. W takiej sytuacji nasza reklama mogłaby mieć relatywnie niższy współczynnik klikalności, mimo wysokiej pozycji, co mogłoby negatywnie wpłynąć na wynik jakości

Również w tym przypadku niestandardowe zmienne Google Analytics umożliwią porównanie skuteczności kampanii z zastosowaniem danej strategii remarketingowej. Jeśli uda nam się przeprowadzić taki test i możliwe będzie opublikowanie wyników, na pewno to zrobimy.

Nie uogólniajmy wyników

Należy podkreślić, że przedstawione wyniki eksperymentu nie stanowią podstawy do wyciągania ogólnych wniosków, które można by było zastosować dla każdego produktu i każdej kampanii. Z całą pewnością efekt wspierający oraz efekt kanibalizacji w kampaniach remarketingowych nakładają się na siebie i w zależności od okoliczności mogą podnosić lub obniżać wartość konwersji z remarketingu.

Poza wspomnianym efektem upływu czasu, skuteczność kampanii remarketingowej może mieć związek z:

  • rodzajem produktu, złożonością i czasem trwania procesu decyzyjnego;
  • otoczeniem konkurencyjnym – przy niskiej konkurencji lub przy bardzo silnej przewadze nad konkurencją prawdopodobieństwo, że użytkownik kupi gdzie indziej, jest mniejsze, co zmniejsza relatywną skuteczność remarketingu;
  • sezonowością – zachowanie użytkowników może się zmieniać sezonowo, co w szczególności wiąże się z czasem podejmowania decyzji (np. last minute);
  • strategią remarketingu – niezoptymalizowany remarketing będzie z większym prawdopodobieństwem kanibalizował inne działania.

Z tego powodu warto, aby tego rodzaju eksperymenty przeprowadzać samodzielnie dla własnych kampanii. Ich przeprowadzenie nie wymaga złożonych prac programistycznych i praktycznie każdy może go przeprowadzić samodzielnie. W razie potrzeby wsparcia zapraszamy do kontaktu z nami.

Ruch z remarketingu w Google Analytics

Analizując dane zwróciliśmy uwagę, że mimo wyłączenia remarketingu w grupie “B”, Google Analytics wciąż raportował widoczny ruch i konwersje z remarketingu w tej grupie.

Powodem jest to, że Google Analytics domyślnie przypisuje źródło ruchu do ostatniego wejścia niebezpośredniego, stąd też jeżeli użytkownik wcześniej wszedł na stronę z kampanii remarketingowej, a następnie, w trakcie trwania eksperymentu, wszedł ponownie bezpośrednio (odwiedziny bezpośrednie), to wejście takie zobaczymy wciąż jako przypisane do remarketingu.

Oznacza to, że dysproporcja między konwersjami z remarketingu w opisanym wyżej eksperymencie (+18,5%) byłaby jeszcze większa, gdyby z obydwu grup odfiltrować wejścia bezpośrednie poprzedzone wcześniejszymi wejściami z remarketingu.

Wykonaj taki eksperyment dla swoich kampanii

Jeszcze raz trzeba podkreślić, że pojedyncze eksperymenty nie wystarczają do wyciągania wniosków na temat skuteczności remarketingu. Zachęcamy do przeprowadzania takich eksperymentów samodzielnie.

Analizując wyniki eksperymentu należy brać pod uwagę istotność statystyczną uzyskanych wyników i nie wyciągać pochopnych wniosków na podstawie rezultatów, które ze względu na niewielką liczebność próby mogą być po prostu dziełem przypadku.

W razie potrzeby wsparcia przy przeprowadzeniu eksperymentu, zapraszamy do kontaktu z nami.

Wyniki tego eksperymentu zostały pierwszy raz przedstawione 5 czerwca 2014 r. uczestnikom konferencji Forum IAB.

Przedstawione w artykule dane liczbowe zostały przetworzone ze względu na ochronę tajemnicy Klienta i podane wartości należy traktować wyłącznie poglądowo.

Artykuł dostępny jest też w wersji angielskiej.

Autor

Data

Related posts