Прогнозная аналитика в поисковом маркетинге Вебинар...

Прогнозная аналитикав поисковом маркетинге

Прогнозная аналитика— это предсказание поведения людей,

основанное на прошлом опыте. В поисковой оптимизации

прогнозная аналитика помогает выявить, какой запрос вероятнее всего приведет человека к конверсии,

у какого товара больше шансов быть проданным, количество трафика на сайт через полгода и т.д.

Применение технологий прогнозной аналитики

Собираем данные о запросах, страницах, товарах1. Парсим

счетчики

3. Пользуемся базами

2. Парсим интернет

4. Используем внутреннюю статистику

Чистим от мусора

1.Заполняем пустоты.2.Убираем кореллированные

данные.3.Убираем бесполезную

информацию.

Задачи машинного обучения1.Скоринг

пример: коммерческая аналитика, банковский скоринг

2.Сегментацияи кластеризацияпример: сегментация подписной базы

3.Классификация

пример: анализ аудитории

4.Прогнозированиепример: прогнозирование продаж, трафика

5.Регрессионный анализ

пример: анализ каналов привлечения трафика

*каждая задача решается разными методами машинного обучения

Как заставить машину понять чего мы хотим ?1. Обучить на исторических

данных. (*с учителем)

2.Использовать метод пристального взгляда для подгона. (*без учителя)

Простой примерЧтобы спрогнозировать трафик нужно:

1.Понять какой спрос будет у запроса через год (прогнозирование временных рядов)

2.Оценить сложность продвижения запроса – его конкурентность (скоринг)

3.Основываясь на текущих данных спрогнозировать CTR через год (регрессионный анализ)

4.Спрогнозировать позицию с учетом продвижения и естественного роста, а также усилий конкурентов (совокупность методов)*Ошибка на любом этапе вычислений даст погрешность в 10–20%

В итоге, это совсем не просто. Но возможно.

Как это бывает ?

Ошибка прогноза менее 5%

Прогноз делался в июле

Факт сняли 1 мая

В этом же анализе можно:1.Выбрать максимально

эффективные запросы.2.Внутри выборки найти запросы с:

а) Минимальными трудозатратами на продвижение (близкие к топ-10)

б) Минимальным бюджетом на продвижение (низкой конкуренцией)

Достаточно круто, не так ли ?

А что если это только 10% крутости?

Что если к анализу и прогнозу спроса добавить эффективность посадочных страниц и товаров ?

Не нужно всматриваться, подойдите в перерыве !

А что можно:Найти весь спрос отрасли, спрогнозироватьпо нему посещаемость, выделив приоритетные запросы в пределах топ 20, ведущие на самые маржинальные товары с низким показателем отказов, находящиеся на высоко-конверсионной посадочной странице …продолжать можно бесконечно, цель ставите вы сами.

Условная «крутость» товараОдни товары хороши во многомбольшой спрос, много на складе, высокаямаржа, низкая стоимость продвижения

Другие хорошив некоторых моментахбольшой спрос, но мало на складе, средняя стоимость продвижения и высокая маржа

Третьи, скорее, не крутыеслабый спрос, много на складе, низкаястоимость продвижения, низкая маржа

Чем больше свойств и параметров товара или услуги можно назвать положительными, тем выше условная «крутость»

Связка «Запрос-документ-Товар»

Свойства и параметры товара складываются из характеристик самого товара, страницы, на которой он расположен, а также запросов, которые на нее ведут.

Характеристики товара

Себестоимость, цена в магазине, остатки на складах, цена у конкурентов, продажи за месяц, давность последней продажи , частота продаж … (многое есть в 1С)

Более хитрые характеристики товараABC анализметод, позволяющий классифицировать ресурсы фирмы по степени их важности

RFM анализсегментация товаровв анализе сбыта по сумме сделки, количеству сделок и сроку последней сделки

FMR анализанализ товарного ассортиментапо частоте обращений/ покупок

Так же есть ABC- X Y Z - FMR - VEN анализ, все включено.

В EXCEL это выглядит просто

Характеристики запросаЧастотность, сезонка, стоимость клика в Директе, позиция, бюджетна продвижение в ссылочных агрегаторах, количество документов в выдаче Яндекса …(многое есть в Key Collector)

Все также просто

Характеристики страницы + запрос Посещаемость, конверсия, время

на странице, глубина просмотра, пока- затель отказов, соц.дем и география, количество выходов со страницы … (многое есть в Яндекс Метрике)

В коммерческой аналитике не бывает страницы отдельно от запроса.Всегда оценивается связка.

Снова Excel

Надо привязать пару запрос-документ к товару

Собрать одну большую таблицу

Почистить данные от пустот и

мусора

Провести стандартизацию и нормализацию

Написать самую лучшую формулу ранжирования товаров.

Когда у нас все есть

Выглядит это так

«Как делать формулы просто»

Ручные формулы в эксель

+ Хороший результат

+ Простые математические операции

+ Шаблон можно использовать потом

– Долго для хорошего качества

– Качество зависит от уровня специалиста

– Можно налажать в интерпретации

Пример формулы((A*B*C*D^3*E)/F)+(G^2*H^2)Буквы – нормированные параметры

Мы создаем линейную зависимость всех параметров.

Просто,но эффективно.

Цифры – возведение в степень для дополнительного веса

Знаки –умножение, сложение, деление …

Что важно• Начинать с малого количество

параметров• Расширять постепенно• Должна соблюдаться простая логика

• Отслеживать вес значимости каждого параметра при помощи функции (КОРРЕЛ)

12.543 лучше чем 5.675• Итоговым значением любой формулы будет число.• Чем число больше, тем лучше оно удовлетворяет

условию.• Отранжировав список товаров в порядке

убывания, вы получите крутые товары вверху и так себе товары внизу.

• Все итоговые значения нужно рассматривать как относительные.

КейсЦель:Увеличить средний чек и оборот интернет-магазина.

Решение:Оценка всех товаров интернет-магазина более чем по 15 параметрам.

Выборка наиболее популярных, маржинальных и конвесионных товаров.

Список товаров в приоритетном

порядке. E-mail маркетинг

КейсРезультат• 13 746 000 руб.

• 20% рост ср.чека

1 млн визитов в месяц -------------------- 10 млн визитов в месяц Кейс

0 млн визитов в месяц -------------------- 7500 визитов в месяцКейс

Пишите вопросы на почтуIvanov@ukropmedia.rufacebook.com/ivanovdmitri_ru vk.com/ivanovdmitri_ruwww.ivanovdmitri.ru

ukropmedia.com ukropmedia.ru