Конверсия рекламного канала

Продолжаю цикл статей о показателе конверсии. Начало тут.

В этой статье я коснусь не только показателя конверсии рекламного канала, еще расскажу о статистических данных и сколько их нужно набрать для действительных показателей.  Мне нравится разбирать теорию на примерах, потому что пример можно использовать в своей практике и подставлять свои цифры, а после появится понимание:  что и из чего вытекает. Поэтому дальше будем моделировать.

Пример

Возьмем пример из первой статьи:

Есть лендинг, на который льется трафик только с Директа. За месяц получаем следующую статистику:

Поисковая реклама: 549 кликов и 104 лида, CR = 104/549*100%=18,9%

РСЯ: 503 клика и 58 лидов, CR = 58/503*100%=11,5%

Поскольку мы работаем с вероятностями, для точного определения значения конверсии нам необходима статистика. В данном примере у нас есть примерно по 500 кликов и 50-100 лидов по разным каналам. Достаточно ли этих данных для оценки значения конверсии? Давайте разбираться:

Теория

Оценить полноту статистики и диапазон величин конверсии нам поможет среднеквадратичное отклонение и Z value (т.н. степень уверенности – confidence level).

Z value:

  • Для 80% уверенности равно 1,28
  • Для 95% уверенности равно 1,96
  • Для 99% уверенности равно 2,58

Формула среднеквадратичного отклонения выглядит так:

Формула среднеквадратичного отклонения

Где:

А – количество итераций

В – количество успехов (в нашем случае – лидов)

р – фактическая вероятность события: р=В/А (в нашем случае – конверсия)

Посчитав s, мы сможем найти величину отклонения от фактической вероятности, по формуле:

Х = Z * s / √А

Практика

Давайте посчитаем отклонение для контекстной рекламы с поиска:

А = 549

В = 104

р = 0,189

Z = 1.96 (Для 95% уверенности)

Подставив данные в формулы, мы получаем Х = 0,0328 или 3,28%. Это значит, что с 95% вероятностью мы можем утверждать, что конверсия рекламного канала находится в диапазоне от 18,9%-3,28% до 18,9%+3,28%. Или 15,62% – 22,18%.

Теперь посчитаем для РСЯ:

А = 503

В = 58

р = 0,115

Z = 1.96 (Для 95% уверенности)

Считаем-с…

Х = 2,79%, а диапазон конверсии получается: 8,71% – 14,29%.

Выводы

Первый вывод в том, что для понимания показателя конверсии, нам нужно анализировать диапазон, когда данных мало. Смотрите: отклонение диапазона при 500 кликах получается 3%. Это значит, что если в следующем месяце вы получите динамику меньше чем в 3% – это нормально. Мои клиенты начинают переживать, когда видят просадку с 18% на 15%, на самом деле – это витки дисперсии. Главное не пожинать лавры, когда показываете динамику с 18% на 21%, потому что, потом будет больно падать к 15%. Но в этом самое страшное то, что в людях просыпаются сомнения – все ли идет нормально?! Мы падаем, пора что-то менять!

Вывод второй не очевиден и виден только для пытливых умов. Суть его такова: для показателя конверсии < 10% нужно меньше статистических данных, чем для конверсии от 10% и до 90%. Т.е. наибольшее количество данных нужно конверсиям около 50%. Почему так? Это математика.

Бонус:

В качестве бонуса выкладываю формулы для Excel, по которым сможете рассчитать диапазоны вероятностей, итак:

Ячейка A1 – количество испытаний (кликов)

Ячейка B1 – количество успехов (лидов)

Ячейка C1 – значение Z (1,96 – для 95% уверенности)

Ячейка D1 – фактическая вероятность; =B1/A1

Ячейка E1 – среднеквадратичное отклонение; =КОРЕНЬ(((A1-B1) * СТЕПЕНЬ(D1; 2) + B1 * СТЕПЕНЬ(1-D1;2))/(A1-1))

Ячейка F1 – отклонение X; =C1 * E1 / КОРЕНЬ(A1)

Что дальше?

А дальше я расскажу, зачем все это нужно и как применить на практике. Читать!

Добавить комментарий

Ваш e-mail не будет опубликован.