SMM. Разработка механики прогнозирования CAC

Идея этого рассчета в том, чтобы попытаться рассчитать еще на этапе затрат 1-3 тысяч рублей, является ли этот трафик для нас выгодным и даст ли он нужный SAS или же нет.

Почему прогноз рассчитывается именно так, я описываю здесь —https://docs.google.com/document/d/1qs-hEA-x1u3ZhLQzfxXD2Pn91_b9LmNQg5UzlpLTfvI/edit?usp=sharing

Это первый набросок. Итоговую механику можно будет усовершенствовать.

Шаг первый — сбор данных

Для начала я выписал кол-во конверсий по месяцам 2018 года до сентября, а также процент конверсии с распределением по таргету/ретаргету. Данные — метрика.

Т.к. на таргете/ретаргете трафика в целом было мало, но прокомментировать некоторые вещи можно, хотя их можно объяснить погрешностью из-за малых данных

Первое, на что можно обратить внимание — это рост кол-ва процентов отказов вместе с увеличением общего объема лидов. В первые месяцы в таблице использовался преимущественно ретаргет, поэтому конверсий не было.

Есть исключение — это июль, который не дал лидов, но холодный трафик на нем был.

Также скорее всего существует зависимость между ростом процента отказов и падения процента конверсии на холодном трафике. Исключение — это май. Процент отказов выше, чем в апреле, а конверсия тоже выше. Была ли в этот месяц какая-то особенная акция?

Так или иначе, я рассчитал средние значения по проценту конверсии по таргету/ретаргету за выделенное полугодие и получил такие значения

При рассчете средних данных — я исключил атипичные данные за май. Если не исключать, он дает нереалистичный средний процент конверсии холодного трафика.

Отдельно также выделил экстремумы. Они нам пригодятся.

Шаг второй. Рассчет процента конверсии с учетом процента отказов

Суть шага в том, что подсчитать процент конверсии на лендинге только безотказным (т.е. исключив всех, кто сразу покинул лендинг).

С помощью этого шага я проверю зависимость процента конверсии в зависимости от отказов.

Для этого я считаю сколько в среднем на 1000 кликов могло приходиться в среднем лидов.

Далее считаю кол-во безотказных переходов, зная процент отказов

И пересчитываю процент конверсии, учитывая только безотказный трафик.

В среднем он незначительно выше — 0,449%. Интересно, насколько изменятся эти данные, при расчете экстремумов.

Цифры сблизились в среднем на 0,12%

Я полагаю, их можно сблизить сильнее. Проблемы, которые могут помешать это сделать:

1. Я рассчитывал при расчете средних значений — арифмитический рассчет среднего значения по процентам. Правильней было бы поднять кол-во переходов и рассчитывать все через них.
2. Процент конверсии зависит не только от процента отказов, но также от других поведенческих метрик типа глубины просмотра и времени на сайте.
3. На лендинге могли происходить неизвестные нам изменения, влияющие на конверсию.

В рамках данного отчета ограничусь расчетом стоимости одного холодного (таргета) для достижения SAS. Для этого уже есть необходимые данные

Шаг третий

Рассчет стоимости безотказного перехода для холодного трафика необходимого для выполнения SAS

Итак, я рассчитал необходимую стоимость безотказного перехода для того, чтобы холодный трафик в среднем получился выгодным — это цифра 8,1 рублей при 0% отказов. Также для наглядности в следующих столбцах я подсчитал, сколько должен стоить клик при реальных условиях(20%, 30%, 40% отказах). Это цифры в 6, 5 и 4 рубля за клик.

При самых худших условиях и конверсии в 0,16%, клик должен быть меньше двух рублей, а при 40% отказов меньше полутора рубля.

При хороших условиях (удаче с высокой конверсии), клик может стоить 11 рублей при нулевых отказах, и 5,90₽ при 40% отказов.

Итоговый интервал — выше 11 рублей за клик трафик точно будет невыгоден. Ниже 1,5₽ за клик трафик точно будет выгоден.

Вывод — достичь выгодной цены холодного трафика для достижения SAS по направлению SMM очень сложно и кажется малореальным.

Но мы знаем, что несмотря на это курс по SMM в таргете выгодный, верно? Потому что есть еще и ретаргет.

Пока мне не до конца понятно как правильно подсчитывать выгодность трафика по курсу, но есть идеи.

Для этого надо сделать одно доп.допущение

1. Предположить кол-во лидов, которое мы в среднем получаем с определенного объема собранной в пикселе аудитории. В принципе, мы можем также посмотреть эти данные в аналитиксе, либо в метрике. И сравнить показатели привлеченных уникальных (для данной РК) пользователей на сайт с количеством полученных лидов.

Это очень черновой рассчет. Его точность можно улучшать. Это первая проработка самой механики прогнозирования необходимого качества трафика.

Ссылка на таблицу c рассчетами — https://docs.google.com/spreadsheets/d/1R49PdVxNqHiIXBZuJWOk6FzoYCS8Sgz6zHmZtPkxrmQ/edit?usp=sharing

Также есть слабое место с конверсией в продажу, которая может быть ниже.