在线香水商店的 Power BI 分析：识别无效的广告活动并将 CPO 减少 100 卢布

对于香水店，我们在 Yandex.Direct 和 Google Ads 中投放了广告。超过 85% 的订单是由 Google Merchant 的智能购物活动生成的。这是谷歌本身根据产品提要创建广告并将其展示给网站的受众的时候。利用机器学习，他实现了最大的广告效果。

我们根据客户提供的以下 KPI 进行工作：

2020年3月-4月新冠疫情期间，订单量开始锐减，CPO开始上涨，我们不得不进行修复。

在开始与客户合作时，每周 图书馆商店 结束时，我们都会在 Google Sheets 中手动填写一份报告，其中显示了 Yandex.Direct 和 Google Ads 渠道的费用和 CPO。

为了生成这样的报告，我们需要从 Yandex.Direct 和 Google Ads 广告帐户中提取广告费用数据，然后将它们与 Yandex.Metrica 的转化数据关联起来。

该报告有几个负面影响。

1.没有展现每日动态。 每日费用和订单的动态有助于了解客户在哪些日子购买商品更好，哪些日子做得更差。另外，这可以让您及时注意到销售额突然开始下降，并及时采取行动：更改自动策略，增加或相反，减少每日限额，添加出价调整。

2. 没有有关活动和产品的数据。 每周手动填写这样的报告，更不用说每天，会非常耗费人力。许多UTM标签中的营销活动名称可能与实际的营销活动名称不匹配，并且campaign_id参数（可用于轻松匹配数据的唯一标识符）并未包含在所有标签中。

因此，我们仅在订单明显下降、CPO 增长的时刻才对活动进行深入分析。在所有其他情况下，我们更多地关注一些间接指标，例如 Google Ads 中的跳出率、观看深度或转化率。

3. Google Ads 和 Yandex.Metrica 中的转化有很大不同。 例如，我们发现某些产品属于 Google Ads 中的 CPO，因此我们将其禁用。但事实证明，在Yandex.Metrica中，相反，它是一个转化率并且CPO较低。结果，销量下降，客户也不满意。

很明显，由于手动编制报告和数据比较，我们无法快速且最重要的是及时对广告活动进行必要的更改。我们决定自动化数据收集过程。为此，我们构建了一个基于 Power BI、BigQuery 云数据库和 R 编程语言的解决方案。

我们通过 API 从 Yandex.Direct 和 Google Ads 的广告帐户下载了费用和点击数据，并从 Yandex.Metrica 下载了转化数据。然后使用R语言  这是自动化营销之旅的 10 个阶段 使用 UTM标签对接收到的数据进行比较，然后上传到BigQuery云数据库。为了可视化数据，我们使用了微软的解决方案——Power BI。

最终，我们制作了一份自动报告，其中以下数据可供我们进行分析：

参数：

指标：

为了正确比较 Yandex.Direct 和 Google Ads 的数据与 Yandex.Metrica 的数据，我们在所有广告系列中重新安装了 UTM 代码。我们向其中添加了各种动态参数，包括 {campaignid}，它以前仅添加到单个广告系列中。

整个问题在于，谷歌的智能购物活动 ASB名录 与常规活动不同，优化的机会较少。在智能购物广告系列中，我们只能影响广告产品列表、目标位置（地理位置）、设备类型（例如，关闭平板电脑和手机，仅保留桌面）和放置位置（网站）。 Google Ads 不会向我们提供有关 UTM 标记的数据，剩下的只是 {product_id}、{device} 和 {loc_physical_ms}。我们添加了它们。

现在我们不再需要手动整理所有数据。它们本身会从广告帐户和分析系统中提取到我们的 Power BI 报告中。

数据每小时更新一次，这使我们有机会实时了解哪些产品正在经历 CPO 下降和订单减少，哪些产品反而有所增加。

通过定期使用自动报告中的数据，我们逐渐将 CPO 从 866 卢布减少到 724 卢布。订单量同步增长1.5倍以上：

除了桌面版报告之外，我们还创建了移动版报告，以便始终实时了解广告中发生的所有变化。要从手机查看报告，您需要：

1. 将 Power BI 应用程序下载到您的手机。

2. 提供您 PowerBI 帐户中的电子邮件，我们将授予其访问权限。

3. 开始使用报告。

在手机版的报告中，客户和我们可以看到订单、CPO的每日动态，

并粗略地评估广告投放情况。