Optimize your ad budget with the media planning module

ROI, ROAS, ДРР — что считать и чем отличаются

В работе с клиентами мы используем три ключевые метрики для оценки эффективности рекламных кампаний: ROI, ROAS и ДРР. ROI показывает, насколько прибыльной была кампания. Формула: ROI = (доход - расход) / расход × 100%. Например, если вы потратили на рекламу 50 000 рублей и получили доход 200 000 рублей, то ROI будет равен (200 000 - 50 000) / 50 000 × 100% = 300%. Это значит, что каждый вложенный рубль принёс три рубля прибыли. ROAS помогает понять, сколько дохода приносит каждый потраченный на рекламу рубль. Формула: ROAS = доход / расход на рекламу. Допустим, вы потратили на Google Ads 30 000 рублей и получили доход 120 000 рублей. Тогда ROAS будет равен 120 000 / 30 000 = 4. Это означает, что каждый потраченный рубль принёс четыре рубля дохода. ДРР показывает, какой процент от дохода составили расходы на рекламу. Формула: ДРР = расход на рекламу / доход × 100%. Если вы потратили на VK Ads 20 000 рублей и получили доход 100 000 рублей, то ДРР будет равен 20 000 / 100 000 × 100% = 20%. Это значит, что 20% от вашего дохода составили расходы на рекламу. Используя эти метрики, мы можем оценить эффективность рекламных кампаний в Яндекс.Директ, Google Ads и VK Ads. Например, при бюджете 100 000 рублей и конверсии 15% можно получить доход 450 000 рублей. В этом случае ROI будет 350%, ROAS — 4,5, а ДРР — 22%. Мы рекомендуем отслеживать эти метрики для всех рекламных кампаний. Это поможет вам понять, какие каналы и инструменты работают лучше всего, и оптимизировать бюджет. Например, если ROI для Яндекс.Директа составляет 200%, а для Google Ads — 300%, то стоит перераспределить бюджет в пользу Google Ads. Также мы используем UTM-метки для отслеживания эффективности рекламных кампаний. Они позволяют нам видеть, какие источники трафика приносят больше всего клиентов и дохода. Например, мы можем узнать, что реклама в Яндекс.Метрике принесла 100 лидов по цене 500 рублей за лид, а реклама в Google Ads — 150 лидов по цене 400 рублей за лид. Это помогает нам оптимизировать рекламные кампании и повышать их эффективность.

Почему last click врёт и что с этим делать

Мы часто сталкиваемся с ситуацией, когда маркетологи используют модель атрибуции Last click. Она приписывает всю заслугу последнему каналу перед покупкой. Например, клиент увидел баннер в VK, через неделю загуглил бренд, кликнул по объявлению в Яндекс.Директ и совершил покупку. Last click скажет: всё благодаря Яндекс.Директору. А VK получит 0. Мы проанализировали кампанию одного из наших клиентов. В ней были задействованы VK Ads и Яндекс.Директ. Бюджет на VK Ads составлял 100 000 рублей, на Яндекс.Директ — 200 000 рублей. Конверсия из объявления VK Ads в посещение сайта составила 3%, из объявления Яндекс.Директа — 5%. Однако модель Last click показала, что все конверсии пришли из Яндекс.Директа. Мы рекомендовали клиенту использовать модель атрибуции, которая учитывает вклад всех каналов в покупку. После перехода на модель атрибуции с учётом всех каналов клиент увидел, что VK Ads также приносит конверсии. Он перераспределил бюджет в пользу VK Ads и увеличил количество новых клиентов. Мы используем сквозную аналитику на платформе VECTRALABS. Она позволяет отслеживать путь клиента от первого взаимодействия с брендом до покупки. Мы видим, какие каналы приводят клиентов, какие кампании работают эффективно, а какие — нет. Мы интегрируем VECTRALABS с Яндекс.Диреkt, Google Ads, VK Ads, amoCRM, Битрикс24, 1С, Tilda. Это позволяет нам собирать данные из разных источников и анализировать их. Мы используем UTM-метки для отслеживания эффективности кампаний. Мы рекомендуем использовать сквозную аналитику для оптимизации маркетинговых кампаний. Она позволяет точно определить, какие каналы приносят клиентов, и перераспределить бюджет в их пользу. Мы видим, что это помогает нашим клиентам увеличивать количество новых клиентов и повышать ROI.

Sales Funnel: where you're losing customers

SEO Analytics: how much revenue organic search actually generates

Ad Campaign Analytics to grow your business