Анализ и оптимизация performance-кампаний с использованием python для Экспобанка

Главное о кейсе

В течении месяца мы оптимизировали размещение - привлекли новых клиентов с целевой стоимостью 17000 за выдачу, снизили CPL на 45%, стоимость за одобрение на 19%, за выдачу на 15%, стали лучше понимать поведение пользователей при оформлении кредитов.
——
Within a month, we optimized the placement - attracted new customers with a target cost of 17,000 per issue, reduced CPL by 45%, the cost for approval by 19%, for issuance by 15%, began to better understand the behavior of users while applying for loans.

Бизнес-задача и ее решение

Поскольку целью продвижения являлась максимизация выдач в рамках целевой стоимости выдачи, и не было возможности увеличивать объемы дешевого брендового трафика за счёт проведения охватных медийных кампаний, перед нами стояла задача максимально подробного анализа имеющихся данных для оперативной оптимизации кампаний.

При этом оптимизацию необходимо было проводить на основании статистики по офлайн-конверсиям, проброс которых в системы аналитики на тот момент не был возможен.

По ряду причин, как внешних, так и внутренних, эффективность размещения отличалась в зависимости от региона - при чем значительно. Отсюда и возникло решение собрать максимально подробные и полные данные по регионам, чтобы затем, основываясь на эти данные сделать упор в размещении на регионы с самой низкой стоимостью заявки.

Для автоматизации этого процесса перенесли эту логику в скрипт, написанный на Python - он собирал данные из рекламных кабинетов и CRM и визуализировал их для анализа, что позволило оперативно менять сплит и корректировать ставки в кампаниях. Проанализировав эффективность каждого города с помощью библиотеки pandas, выделили наиболее эффективные в отдельные кампании, увеличив разбивку по гео с 7 до 17 регионов, а также оптимизировали закупку по существующим гео, снизив CPC в среднем на 30%.
——
Since the purpose of the promotion was to maximize the issuance within the target cost, and it was not possible to increase the volume of cheap brand traffic by conducting comprehensive media campaigns, we were faced with the task of analyzing the available data in as much detail as possible for operational optimization of campaigns.

At the same time, optimization had to be carried out on the basis of statistics on offline conversions, which could not be transmitted to analytics systems at that time.

For a number of reasons, both external and internal, the effectiveness of the placement was significantly different depending on the region. As a result a decision arose to collect the most detailed and complete data by region, so that, based on this data, to focus on the regions with the lowest cost of the application.

To automate this process, we transferred this logic to a script written in Python - it collected data from advertising cabinets and CRM and visualized them for analysis, which allowed us to quickly change the split and adjust the bids in campaigns. After analyzing the effectiveness of each city using the pandas library, we identified the most effective in separate campaigns, increasing the breakdown by geo from 7 to 17 regions, and also optimized the purchase of existing geo, reducing CPC by an average of 30%.

Прочая информация о кейсе

В начале 2021 года перед Экспобанком стоял вызов - в высоко конкурентной финансовой отрасли, будучи малоизвестным в категории b2c банком, необходимо было выйти на рынок с новым для клиента продуктом "Кредит наличными", и, используя небольшой маркетинговый бюджет, выделенный только на performance-каналы.

Учитывая вышеописанное, нам необходимо было максимально эффективно использовать каждый рубль бюджета. Нашей идей стало - с помощью скрипта на python, найти точки наиболее костэффективного спроса, которые пропустили конкуренты.

Сделать это оперативно вручную было невозможно, поэтому в короткие сроки мы реализовали новое для диджитал решение - кастомный скрипт на phyton, который:
- собирает данные из нескольких источников информации (в т.ч. CRM-клиента) по 42 регионам присутствия - оперативно предоставляет аналитику в разрезах CPL, CPS для каждого из них
- оптимизирует кампании и сплиты, собирая самые дешевые заявки по регионам.

В результате, мы обеспечили приток новых клиентов, выдержав бенчмарк клиента по стоимости за одобрение/выдачу.

——
At the beginning of 2021, Expobank faced a challenge - in a highly competitive financial industry, being a little-known bank in the b2c category, it was necessary to enter the market with a new product for the client, "Cash Loan", using small marketing budget allocated only to performance channels.

Based on the above, we needed to use every ruble of the budget as efficient as possible. Our idea was to use a python script to find the points of the most cost-effective demand that competitors missed.

It was impossible to do this quickly manually, so in a short time we implemented a new solution for digital - a custom script on phyton, which:
- collects data from several information sources (including CRM client) for 42 regions of presence - promptly provides analytics in CPL, CPS sections for each of them
- optimizes campaigns and splits, collecting the cheapest applications by region.

As a result, we have ensured the influx of new customers by maintaining the client's benchmark for the cost of approval/issuance.

Скриншоты

Видео