Реклама проекта по поиску работы

Аналитика и расчёт ценности конверсий

Мы увидели, что одной из основных конверсий является регистрация на сайте. После неё возможны разные сценарии. Человек может активно откликаться на вакансии (и таких откликов может быть несколько), либо загрузить резюме. Есть и пассивные пользователи — они регистрируются, но не откликаются активно, а лишь размещают своё резюме, чтобы быть на связи с работодателями.

На первом этапе мы взялись рассчитать соотношение ценности этих действий. Мы выделили три ключевые конверсии: регистрация на сайте, отклик на вакансию и создание резюме. Нужно было понять их взаимосвязь.

По историческим данным мы рассчитали: в среднем человек в период активного поиска работы (например, в течение месяца) откликается примерно на 10 вакансий. Следовательно, если регистрация произошла, то вероятность того, что этот пользователь начнёт откликаться, составляет около 50%. То есть одна регистрация в среднем приносит до 10 откликов, а половина зарегистрировавшихся пользователей действительно проявляет активность.

Если принять отклик за условную единицу ценности, то регистрация приравнивается примерно к пяти единицам (с учётом того, что половина регистраций приводит к откликам). Уже с этим пониманием мы могли строить систему «синтетической ценности» конверсий.

Далее мы перешли к резюме. Это отдельная воронка. Здесь у нас были конкретные данные: какие компании и сколько платят за доступ к базе резюме, какие города более ценны, какие направления специалистов востребованы. Мы рассчитали, что в среднем создание резюме приравнивается примерно к 50 условным единицам ценности. Эта цифра варьировалась в зависимости от города и профессиональной категории, но порядок был понятен.

Таким образом, мы построили внутреннюю систему расчёта «синтетического дохода». Она позволяла оценивать эффективность рекламы не по количеству регистраций или откликов сами по себе, а по их ценности. Например, одна кампания могла приносить много регистраций, но мало резюме, а другая наоборот. Мы могли уравновесить эти результаты и понять, куда направлять бюджет.

После того как мы рассчитали ценность каждой конверсии на сайте, мы получили возможность оценивать работу кампаний уже с учётом «синтетического дохода». Одни кампании были заточены под отклики и регистрацию, другие — под создание резюме. Теперь мы могли видеть, какие кампании работают лучше, какие хуже, и сколько можно тратить на каждую из них.

Следующим шагом стал анализ по городам. Ведь сами по себе отклики и резюме не приносят доход. Доход компании формируется за счёт работодателей, которые платят за доступ к базе резюме, за закрытие вакансий, за просмотры откликов. В итоге ключевым фактором была связка «город + специальность». Где-то рынок работодателей платёжеспособный и готов платить за кандидатов больше, где-то меньше.

Отдел продаж, конечно, работал со своей задачей: продавал доступ к базе, предлагал пакеты размещений, выделение вакансий, дополнительные услуги, кросс- и апсейлы. Но нам, как маркетологам, было важно другое: сколько фактически приносит доход каждая категория соискателей и из каких городов. И уже под эти данные мы корректировали ставки и распределяли бюджеты.

Тут мы составили сводную таблицу: сколько дохода мы получаем, сколько вакансий есть в регионе, сколько в среднем нужно откликов, чтобы закрыть одну вакансию. Допустим, мы знаем, что для закрытия вакансии в среднем требуется 100 откликов. Значит, мы можем рассчитать, сколько примерно откликов необходимо по каждой специальности и в каждом регионе. Отсюда выводим, сколько регистраций новых пользователей или реактиваций старых аккаунтов нужно получить, и сколько мы готовы тратить на это GEO и данное направление.

После такого анализа стало видно: в некоторых регионах при относительно небольших расходах генерируется значительный доход. В других наоборот — платящих компаний немного, но расходы на рекламу высокие. Мы посчитали условный ROAS. Он был «синтетическим», так как прямой связи между конкретным доходом и расходами не существовало. Но пропорцию этих величин можно было использовать, чтобы определить, где стоит увеличивать бюджет. Там, где было много вакансий и мало откликов, мы рисковали потерять работодателей: если они не получат кандидатов, то уйдут и перестанут платить за размещения. В таких случаях мы обязаны были увеличить поток трафика и откликов. А там, где платящих компаний почти не было, расходы можно было сокращать и полагаться больше на органический трафик и естественные регистрации.

Таким образом, мы закончили аналитическую часть и могли корректировать бюджеты по регионам и по типам кампаний. Следующим шагом стало моделирование «идеальной картины мира». Это уже была больше бизнес-аналитика. Мы рассчитали, сколько в целом компания готова тратить на маркетинг, исходя из доли от валового дохода. В большинстве компаний это 5–10%, в редких случаях до 15%. Мы ориентировались на эти рамки, но теперь могли применять их не только в среднем по бизнесу, а детализировать: по направлениям, специальностям и городам. Это позволило сохранять общую пропорцию, избегая перекосов в большую или меньшую сторону.

Так мы смогли рассчитать, какой «синтетический доход» приносит каждая конверсия на сайте, корректно настроить события, где они были сломаны или отсутствовали, и прогнозировать потенциальный доход. На этой основе мы уже устанавливали допустимые расходы и цены за конверсию в разрезе городов и профессий. Это дало нам новые исходные данные, с которыми стало понятно, где и сколько можно тратить, а где бюджеты сокращать.

В итоге появилась максимально прозрачная аналитика по кампаниям, чёткие KPI и возможность гибко управлять бюджетом. При необходимости мы могли его увеличивать, а могли оставлять на прежнем уровне, просто перераспределяя между регионами и направлениями. Например, заходила новая компания — крупный игрок FMCG, которому нужны сотрудники для запуска супермаркета в определённом регионе. Мы знали, какие кампании нужно усилить, как увеличить бюджеты, чтобы привлечь больше регистраций и резюме именно из этой локации. То, что вчера было не актуально, сегодня становилось важным, и рекламная система позволяла быстро перестраиваться.

Масштабные 360° кампании и работа с партнёрами

Отдельного внимания заслуживает кейс с запуском performance-кампании, который мы комбинировали с кампанией на охваты и последующим post-view анализом. Это была масштабная волновая рекламная активность, включавшая digital, наружную рекламу, ТВ и радио. Но в рамках digital хотелось бы отдельно выделить два разных подхода.

Первый тип кампаний мы запускали через агентство, которому доверяли. Это опытные специалисты, умеющие грамотно проводить аналитику, очищать площадки от некачественного трафика, работать с целевой аудиторией, ограничивать количество показов на одного пользователя по IP или по User Agent. То есть они могли выстраивать охватные кампании с чёткими KPI и контролем выполнения.

С другой стороны, если мы говорим о performance-маркетинге в медийной части — будь то Google или Facebook, — то он частично также работает на знание бренда. Просто KPI в таких кампаниях другие: показатели могут смещаться в сторону CTR, CPM и прочих метрик. Но при этом всегда есть достижимая цель: регистрация, создание резюме или отклик на вакансию. С одной стороны, это перфоманс-задачи. С другой — когда мы работаем на бренд, конечная цель всё равно та же: увеличение числа органического трафика, рост брендовых запросов и, в итоге, рост целевых действий на сайте — регистраций и откликов.

Несмотря на различие в подходах к кампаниям на performance и на знание бренда, бизнес в конечном счёте интересуют именно те показатели, которые напрямую или косвенно влияют на доход. А это всегда целевые действия на сайте — будь то регистрация, создание резюме или отклики, пришедшие как по брендовым запросам, так и по кликам на рекламу.

Интересный вывод дал наш анализ. Performance-кампании показали лучший результат: да, они не обеспечили огромных охватов, аудитория там была более узконаправленной. Но при меньших бюджетах, в сравнении с классическими охватными кампаниями, они принесли на 50%, а в некоторых регионах даже в два раза больше целевых действий. И это учитывая, что охватные кампании дополнительно поднимали органику и брендовый трафик.

Поэтому, когда многие говорят, что «нам нужна охватная медийная кампания», мне кажется, в ряде случаев это звучит как лукавство. Да, охваты и знание бренда важны, без них не обойтись. Но так или иначе бизнес будет оценивать эффективность рекламы исключительно по бизнес-модели: сколько целевых действий она принесла и какой дополнительный доход сгенерировала.

Отдельная история — работа с партнёрским маркетингом. В начале статьи мы писали о том, что встречались странные аномалии: по ряду ключевых запросов в аккаунте были заданы «минусные» корректировки ставок на мобильных (-100%), либо объявления и вовсе ставились на паузу. При дальнейшем разборе партнёрского трафика — через Google BigQuery, серверные логи и аналитику — мы увидели реальную картину.

Оказалось, один из менеджеров отдела маркетинга договорился с партнёрами, что собственную рекламу мы остановим, а трафик передадим партнёрам. По сути это выглядело так: мы отключаем прямую закупку трафика по брендовым и главным поисковым запросам, партнёры «переливают» этот трафик через свои инструменты и перепродают нам его обратно по цене в два раза выше. При первых подозрениях это выглядело неправдоподобно, но после детального аудита всё стало очевидно — часть бюджета просто утекала по цепочке.

Мы были вынуждены принять жёсткие меры: сотрудника уволили, провели реструктуризацию аккаунтов, очистили все подозрительные интеграции и коды партнёров. В Google Tag Manager удалили несколько скриптов, которые подменяли source/utm-параметры внутри сессии — при переходе между страницами у посетителя менялся источник трафика на «партнёрский», хотя первоначальный переход был из поисковой рекламной кампании. После этого мы настроили строгие правила атрибуции в Google Analytics и Google Ads: добавили правила last non-paid channel и пересмотрели логику приоритета источников.

Дальше началась работа по партнёрским сетям: на первоначальном этапе мы тратили порядка 15–20% бюджета на партнёрский маркетинг — частью для тестов, частью по старым контрактам. В ходе аналитики и переговоров с честными партнёрами выяснилось, что корректные сети дают стабильный, но незначительный объём качественных регистраций. После того как мы отсекли недобросовестные источники, чистый объём реальных партнёрских конверсий снизился, и мы сократили долю бюджета на партнёров до 2–5%.

Как мы выявляли недобросовестные практики? Во-первых, сопоставляли цепочки атрибутов: если по переходу из поисковой рекламы шла регистрация, а затем в логах фиксировался переход с пометкой «партнёр», это было подозрительно. Во-вторых, смотрели временные паттерны: всплески регистраций, совпадающие с выгрузками партнёров. В-третьих, проверяли соответствие IP-диапазонов и user-agent — часто подмена происходила через скрипты партнёров, которые запускали iframe или редиректы и изменяли referrer/UTM внутри сессии.

После выявления таких случаев мы ввели жёсткие критерии: партнёрский трафик должен приходить «чистым» — то есть без предыдущего клика по нашей платной кампании; только в этом случае партнёр получает вознаграждение за лид. Также ввели тестовую оплату за качественную регистрацию (pay-per-lead) и дополнительные KPI: удержание, конверсия в платёж/завершённую сделку, доля возврата. Партнёры, которые не могли подтвердить чистоту трафика, исключались.

Технически мы автоматизировали часть проверок: сделали ежедневные сверки источников в BigQuery, сравнение UTM-цепочек, детекцию аномалий по гео и по времени, отчёты по retention. Это дало возможность быстрее реагировать: если какая-то сеть начала «накручивать» трафик сомнительным способом, мы мгновенно приостанавливали начисления и запускали проверку.

В результате — экономия бюджета и рост эффективности. Мы устранили «слив» примерно 15% рекламного бюджета, который до этого расходовали впустую, и вернули часть расходов в прозрачные каналы. Для бизнеса это означало повышение рентабельности маркетинга и более предсказуемую модель окупаемости.

Практические шаги, которые дали эффект: мы ввели пороги тревоги — например, если доля партнёрского трафика по региону растёт более чем на 30% за сутки, система помечает источник на проверку. Ввели KPI-пороги по качеству (CR партнёров не ниже 50% от прямых каналов, среднее время на сайте и отказов в допустимых пределах).

При онбординге новых партнёров обязательны интеграционный тест (до 200 визитов), аудит скриптов и подписание SLA с KPI и штрафами за мошенничество. Юридически прописали запрет на подмену UTM/рефералов и право на аудит.

Технически внедрили server-side tracking и ежедневную сводку в BigQuery, чтобы быстро реагировать на аномалии. Еженедельно — разбор результатов с коммерцией и партнёрскими менеджерами, ежемесячно — пересмотр бюджетов.

Для практической реализации мы подготовили шаблоны: SQL-запрос для сопоставления UTM-цепочек между серверными логами и данными аналитики, шаблон SLA с формулой оплаты (базовая ставка + бонус за LTV) и дашборд в Looker/Looker Studio, где в режиме реального времени видны источники, показатели CR, средний LTV по каналам и список аномалий. Эти инструменты позволяют не только отлавливать мошенников, но и понимать, какие партнёрские сети действительно приносят долгосрочную ценность — и соответственно перераспределять бюджет в пользу самых эффективных каналов.

Основные выводы

В любом бизнесе можно рассчитать ценность конверсий, определить общий маркетинговый бюджет и разложить его по регионам, направлениям или товарам. Вопрос всегда упирается в грамотную аналитику: нужно выделить время и ресурсы, чтобы всё правильно посчитать. Это реально сделать, тем более что Google сегодня рекомендует переходить на value bidding.

Партнёрский маркетинг может приносить стабильный эффект, но только при строгом контроле, автоматических проверках и юридической защите. Это требует времени, инструментов и человека, который будет этим заниматься.

Если нужно — проведём аудит партнёрских источников, проверим ваши GTM-скрипты и настройку атрибуции, подготовим SLA и процедуры, которые исключат утечки бюджета и повысят рентабельность маркетинга. Обращайтесь.