На основании данной аналитики были выделены прайм-таймы для постинга в каждой из групп. Следуя получившимся рекомендациям, мы снизили стоимость отклика соискателя на 25%.
Как время публикации влияет на эффективность постов VK? Какой день недели лучше подходит для размещения: вторник, пятница или, может быть, суббота? Когда запускать рекламную кампанию: до обеда или вечером?
Этими и подобными вопросами рано или поздно задаётся каждый SMM-специалист. Конечно, в поисках ответов можно воспользоваться общими рекомендациями с первых страниц выдачи Google, но мы решили пойти дальше.
Мы провели собственное исследование на примере крупнейших job-сообществ, в которых регулярно размещаем рекламные публикации.
Рассмотрим процесс пошагово:
Необходимые нам данные, а именно: количество посетителей, достижения цели, даты и время визитов на лендинг мы взяли из Яндекс Метрики.
Статистика постов (охваты и время выхода) была взята с помощью VK API.
Сначала мы определили, какая метрика должна стать ориентиром для наблюдений. Остановились на показателе среднечасового рекламного охвата.
Рассказываем, почему мы предпочли его показателям CR и CTR:
СR или показатель конверсии в первую очередь показывает, насколько посадочная страница релевантна потребностям пользователя и удобна в использовании. Чаще всего CR независим от времени публикации.
CTR или кликабельность в первую очередь говорит о том, насколько креативы побуждают пользователей кликать по посту.
Среднечасовой охват независим от вышеперечисленных условий и позволяет объективно оценивать количество просмотров в разное время суток.
Как время публикации влияет на эффективность постов VK? Какой день недели лучше подходит для размещения: вторник, пятница или, может быть, суббота? Когда запускать рекламную кампанию: до обеда или вечером?
Этими и подобными вопросами рано или поздно задаётся каждый SMM-специалист. Конечно, в поисках ответов можно воспользоваться общими рекомендациями с первых страниц выдачи Google, но мы решили пойти дальше.
Мы провели собственное исследование на примере крупнейших job-сообществ, в которых регулярно размещаем рекламные публикации.
Рассмотрим процесс пошагово:
Необходимые нам данные, а именно: количество посетителей, достижения цели, даты и время визитов на лендинг мы взяли из Яндекс Метрики.
Статистика постов (охваты и время выхода) была взята с помощью VK API.
Сначала мы определили, какая метрика должна стать ориентиром для наблюдений. Остановились на показателе среднечасового рекламного охвата.
Рассказываем, почему мы предпочли его показателям CR и CTR:
СR или показатель конверсии в первую очередь показывает, насколько посадочная страница релевантна потребностям пользователя и удобна в использовании. Чаще всего CR независим от времени публикации.
CTR или кликабельность в первую очередь говорит о том, насколько креативы побуждают пользователей кликать по посту.
Среднечасовой охват независим от вышеперечисленных условий и позволяет объективно оценивать количество просмотров в разное время суток.
Как мы избежали ложных данных в анализе
Стоит отметить несколько моментов:
С января по март мы разместили большое количество публикаций в крупнейших job-сообществах VK и получили большой массив данных для анализа. Анализ был проведен на большой выборке, что позволило исключить искажение данных и формирование некорректных выводов .
При анализе отдельно оценивались два временных параметра: дни недели и часы, в которые публиковалась реклама. Такой подход позволяет давать рекомендации в связке: день недели выхода + время выхода.
Отдельные группы дали недостаточно данных для “почасового” анализа, поскольку публикаций здесь было мало. В таких случаях мы ориентировались на время суток, условно поделив выборку на утро/день/вечер.
Собрав материал для анализа, мы перешли к выбросам
Получив данные из Метрики и VK, важно было привести их в порядок, убрав выбросы. Выбросы — это значения, которые резко отличаются от общей выборки. Выброс может создать пост, набравший аномальное количество посещений. Удаление выбросов – необходимое условие для достоверного анализа. Один из простейших путей решения проблемы выбросов – воспользоваться статистической формулой расчета квартилей, которая встроена в Excel и дает возможность убрать выбросы как в верхней границе, так и в нижней.
Почистив данные, их стоит визуализировать. На рисунке ниже вы можете видеть диаграмму, которую использовали мы.
Стоит отметить несколько моментов:
С января по март мы разместили большое количество публикаций в крупнейших job-сообществах VK и получили большой массив данных для анализа. Анализ был проведен на большой выборке, что позволило исключить искажение данных и формирование некорректных выводов .
При анализе отдельно оценивались два временных параметра: дни недели и часы, в которые публиковалась реклама. Такой подход позволяет давать рекомендации в связке: день недели выхода + время выхода.
Отдельные группы дали недостаточно данных для “почасового” анализа, поскольку публикаций здесь было мало. В таких случаях мы ориентировались на время суток, условно поделив выборку на утро/день/вечер.
Собрав материал для анализа, мы перешли к выбросам
Получив данные из Метрики и VK, важно было привести их в порядок, убрав выбросы. Выбросы — это значения, которые резко отличаются от общей выборки. Выброс может создать пост, набравший аномальное количество посещений. Удаление выбросов – необходимое условие для достоверного анализа. Один из простейших путей решения проблемы выбросов – воспользоваться статистической формулой расчета квартилей, которая встроена в Excel и дает возможность убрать выбросы как в верхней границе, так и в нижней.
Почистив данные, их стоит визуализировать. На рисунке ниже вы можете видеть диаграмму, которую использовали мы.
Диаграмма была построена на основе сводной таблицы, содержащей основные данные: список групп, день недели выхода поста, средний охват по каждому часу, время публикации.
На диаграмме видны часы самого высокого рекламного охвата. Теперь, используя результаты анализа, мы можем определить прайм-тайм для размещения рекламы в любой группе, вошедшей в исследование.
В следующем исследовании мы использовали когортный анализ. Нам стало интересно, насколько быстро выгорает интерес к опубликованной рекламе. Ответ на этот вопрос ценен для своевременного планирования новых публикаций. Мотивация проста: если реклама, опубликованная вчера, приносит трафик, нет смысла тратиться на новую сегодня.
Что необходимо для такого анализа:
1. Вывести в сводную таблицу время выхода поста и время визитов, которые мы брали из Яндекс.Метрики.
2. Оценить динамику захода посетителей. По нашим данным время выгорания поста составило 15-16 часов — для тех постов, которые вышли в первой половине дня. Общий тренд: чем позже по времени выходит пост, тем быстрее происходит выгорание.
На диаграмме видны часы самого высокого рекламного охвата. Теперь, используя результаты анализа, мы можем определить прайм-тайм для размещения рекламы в любой группе, вошедшей в исследование.
В следующем исследовании мы использовали когортный анализ. Нам стало интересно, насколько быстро выгорает интерес к опубликованной рекламе. Ответ на этот вопрос ценен для своевременного планирования новых публикаций. Мотивация проста: если реклама, опубликованная вчера, приносит трафик, нет смысла тратиться на новую сегодня.
Что необходимо для такого анализа:
1. Вывести в сводную таблицу время выхода поста и время визитов, которые мы брали из Яндекс.Метрики.
2. Оценить динамику захода посетителей. По нашим данным время выгорания поста составило 15-16 часов — для тех постов, которые вышли в первой половине дня. Общий тренд: чем позже по времени выходит пост, тем быстрее происходит выгорание.
Заключение
Мы проанализировали данные об эффективности постов VK, вышедших в период с января по март с помощью Яндекс Метрики и VK API. Пользуясь результатами проведенной аналитики, мы выявили прайм-тайм для размещения рекламы в каждой группе. Изменив время публикаций, мы значительно увеличили количество базовых лидов.
Стоит заметить, что в данной работе мы пользовались прошлым опытом. Ранее мы уже определяли максимальный охват в масштабе дней недели. Надстроив исследование “о самых высоконверсионных днях” новым анализом среднечасового охвата, мы смогли получить максимальный эффект от размещения.
Данная аналитика позволила сформировать правило для каждой отдельно взятой группы. Экономическая эффективность от размещений выросла на 25%.
Мы проанализировали данные об эффективности постов VK, вышедших в период с января по март с помощью Яндекс Метрики и VK API. Пользуясь результатами проведенной аналитики, мы выявили прайм-тайм для размещения рекламы в каждой группе. Изменив время публикаций, мы значительно увеличили количество базовых лидов.
Стоит заметить, что в данной работе мы пользовались прошлым опытом. Ранее мы уже определяли максимальный охват в масштабе дней недели. Надстроив исследование “о самых высоконверсионных днях” новым анализом среднечасового охвата, мы смогли получить максимальный эффект от размещения.
Данная аналитика позволила сформировать правило для каждой отдельно взятой группы. Экономическая эффективность от размещений выросла на 25%.