Как популярность бренда и уровень жизни влияют на конверсию интернет-магазина

Один и тот же сайт и рекламные кампании имеют разный коэффициент конверсии, в зависимости от региона. Исследовали, как известность бренда и уровень зарплат в регионе влияют на успех в бизнеса в онлайне.




Одна из основных переменных, влияющих на успех в онлайне, это коэффициент конверсии в покупку или обращение через сайт. Даже небольшое повышение конверсии сайта может дать заметный прирост прибыли, поэтому мы всегда стремимся ее повышать.

Факторы, на которые мы можем быстро влиять в борьбе за повышение конверсии:

  • качество трафика
  • релевантность посадочных страниц (соответствие запросу пользователя)
  • отсутствие технических ошибок в работе сайта
  • удобство сайта для пользователей

По пунктам выше все примерно понятно. Тестируем разные варианты страниц и сегменты трафика — эффективные связки берем в работу. Но есть и внешние факторы, повлиять на которые напрямую невозможно, или очень долго:

  • сезонность
  • погода
  • предложение конкурентов
  • популярность бренда
  • уровень жизни в конкретном регионе

В данном кейсе рассмотрим 2 последних пункта

Входные данные

В рамках работы с одним из федеральных e-commerce проектов мы обратили внимание на сильные отличия коэффициента конверсии и среднего чека в разных регионах. При этом структура кампаний, посадочные страницы, ассортимент и цены совпадали, явной конкуренции со стороны местных игроков мы тоже не увидели.

Хорошими результатами выделялись Москва и некоторые регионы, связанные с добычей полезных ископаемых. В остальных регионах конверсия и средний чек были ниже — конверсия из-за того что дорого, а если и покупали, то с низким чеком.

Также мы предположили, что показатели были лучше в регионах, где бренд более известен. Чтобы подтвердить эти гипотезы, мы решили провести исследование.

Механизм расчета

У нас были данные по конверсии и среднему чеку в разрезе регионов за длительный период, необходимо было определить, как связаны с этими показателями популярность бренда и уровень жизни в регионах. 

Для измерения известности бренда ввели показатель «индекс популярности бренда», который для каждого региона рассчитывался следующим образом: ИПБ = брендовый запрос/маркерный запрос.

В качестве Метрики, характеризующей уровень жизни, мы приняли среднюю заработную плату за 2019 год по данным Росстат.

Чтобы определить связь, мы рассчитали коэффициент корреляции между интересующими нас величинами. Не будем подробно останавливаться на описании расчете, тем более в Excel и гугл-таблицах есть формула. Остановимся на самом смысле.

Коэффициент корреляции - это статистический показатель зависимости двух случайных величин. Он может принимать значения от «-1» до «+1». При этом, значение «-1» будет говорить об обратной корреляции между величинами, «0» — о нулевой корреляции, а «+1» — о полной корреляции величин. Чем ближе значение коэффициента корреляции к «+1», тем сильнее связь между двумя случайными величинами.

Ниже представлены описание характера связи между величинами в зависимости от коэффициента корреляции.

Анализ результатов

Из таблицы с коэффициентами корреляции можно сделать вывод, что наши гипотезы подтвердились. Популярность бренда влияет на конверсию, а уровень жизни — на оба показателя: конверсию и средний чек.

Отсортируем полученные данные по убыванию индекса популярности. Видим, что в регионах, где наш бренд популярен, конверсия заметно выше средней.

Для сравнения данные нескольких регионов, в которых наш бренд знают плохо:

Отсортируем данные по убыванию средней зарплаты. Видим, что в регионах с высокой зарплатой средний чек до 30% выше «бедных» регионов.

 

Для сравнения данные по регионам с низкими зарплатами


Более конкретно результаты звучали бы примерно так:

  • в Москве самые высокие значения индекса популярности и ЗП ⇒ как и по конверсии и среднему чеку
  • в Татарстане (домашний регион) достаточно низкая ЗП, но высокий индекс популярности ⇒  за счет этого хорошие показатели по конверсии и среднему чеку 
  • в Самарской области наиболее низкая ЗП, но высокий индекс популярности ⇒ низкие значения по конверсии и среднему чеку

Выводы

Хорошо, теперь мы увидели, что на конверсию влияют внешние факторы, но как извлечь из этого пользу?

Вот пример гипотез, которые можно тестировать по итогу исследования:

  1. В регионах с низким индексом популярности бренда и плохими показателями можно проводить медийные рекламные кампании с целью повышения узнаваемости бренда, что в свою очередь может привести к повышению конверсии и среднего чека
  2. Во многих регионах с небольшой заработной платой может быть нецелесообразно конкурировать на внутреннем рынке из-за низкой платежеспособности населения и более бюджетных предложений на рынке. Если экономика не сходится, возможно лучше перераспределить ресурсы на более прибыльные регионы

О том, как можно использовать результаты исследования для создания оптимальной структуры кампаний и более логичной оптимизации мы расскажем в одном из следующих видео.



Подпишитесь на Facebook или Телеграмм, чтобы не пропустить новые статьи

Разделяешь наш подход? Вступай в команду!
Другие материалы по теме
Ошибка при внедрении автостратегий Яндекс ВИДЕО
Ошибка при внедрении автостратегий Яндекс
После успешного применения автоматической стратегии на небольшом проекте решили сделать то же на еще одном интернет-магазине, но допустили серьезную ошибку.
Перевод РСЯ на автоматические стратегии ВИДЕО
Перевод РСЯ на автоматические стратегии
Перевели РСЯ кампанию на автоматические стратегии. Рассказываем о нюансах настройки и даем свои рекомендации.
Как популярность бренда и уровень жизни влияют на конверсию интернет-магазина ВИДЕО
Как популярность бренда и уровень жизни влияют на конверсию интернет-магазина
На примере одного из наших клиентов показываем как популярность бренда и зарплаты в регионах влияют на конверсию сайта.
Визуализация данных Яндекс Директ в PBI HOWTO
Визуализация данных Яндекс Директ в PBI
В предыдущей статье мы рассказали как выгрузить данные из Яндекс Директ с помощью Python в CSV таблицу. Теперь построим на этих данных красивый и полезный отчет.
Интеграция клиента и агентства HOWTO
Интеграция клиента и агентства
В статье расскажем, как происходит интеграция клиента и агентства, и как выстраиваются коммуникации.
Выгрузка данных из API Яндекс Директ через Python HOWTO
Выгрузка данных из API Яндекс Директ через Python
Рассказываем как выгрузили 30 млн. строк данных для последующего анализа в Power BI.
читать наш блог

Оставьте заявку

После того, как вы оставите заявку: интервью ~15 минут → гостевые доступы для аудита ~15 минут → аудит в течении 2-х дней → согласование предложения → начало первой итерации. По нашему опыту реально начать что-то делать уже через 2-3 дня.

Менеджер проектов Александр
Александр

Менеджер проектов



Пишите на — info@1jam.ru , звоните в скайпе — jam.agency , или по телефону — 8 (800) 551-85-03