Московский экономический журнал 4/2017

Posted by redaktor
image_pdfimage_print

УДК 339.133.017

Bezymyannyj-12

Плотников Андрей Викторович,

кандидат экономических наук

доцент кафедры менеджмента

ФГБОУ ВО «Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова», г. Пермь

Plotnikov A.V. plotnikov-av@mail.ru

ОПИСАТЕЛЬНАЯ СТАТИСТИКА СТОИМОСТИ ПЕРЕХОДОВ ПОСЕТИТЕЛЕЙ В КОНТЕКСТНОЙ РЕКЛАМЕ ПОИСКОВОЙ СИСТЕМЕ

DESCRIBING STATISTICS OF VALUE OF VISITORS ‘TRANSITIONS IN CONTEXTUAL ADVERTISING SEARCH SYSTEM

Аннотация

В работе приведен литературный обзор состояния изученности контекстной рекламы как составной части интернет-маркетинга, проанализирована стоимость переходов из рекламных объявлений контекстной рекламы в поисковой системе Google. Определен максимум и минимум, верхний квартиль, среднее арифметическое и медиана, нижний квартиль, среднеквадратическое отклонение, коэффициент вариации, стандартная ошибка средней, доверительный интервал средней, нижняя граница и верхняя граница. На основе результатов исследования можно оптимизировать существующие контекстные рекламные кампании с целью удешевления стоимости перехода на целевой сайт рекламодателя.

S u m m a r y

The paper considers a literary survey of the state of the study of contextual advertising as an integral part of Internet marketing, the cost of transitions from advertisements of contextual advertising to the Google search system is analyzed. The maximum and minimum, the upper quartile, the arithmetic mean and the median, the lower quartile, the standard deviation, the coefficient of variation, the standard error of the mean, the confidence interval of the average, the lower bound and the upper limit are determined. Based on the research results, you can optimize existing contextual advertising campaigns to reduce the cost of moving to the advertiser’s target site.

Ключевые слова: контекстная реклама, оплата за клик, Google AdWords

Keywords: contextual advertising, pay per click, Google AdWords

Введение

Проблемам эффективности контекстной рекламы посвящен ряд отечественных и зарубежных научных работ, в которых рассмотрены различные аспекты поисковой оптимизации для привлечения клиентов и удовлетворения их спроса. С. В. Совершаева [1] проанализировала Российский рынок контекстной рекламы, выделила в нем основных участников Google AdWords, Яндекс Директ и Begun. В работе А. В. Прохорова и Е. Н. Владимирской [2] раскрыты особенности управления контекстной рекламой, определен круг возможных проблем, касающихся создания эффективной системы управления рекламными кампаниями агентствами и рекламодателями. В. А. Бабурин [3] исследовал особенности использования интернет-рекламы в сервисной деятельности, определил высокую гибкость рекламы. В своем исследовании китайские и канадские коллеги (Lefa Teng, Nan Ye, Ying Yu, Xiaochuang Wu [4]) определили влияние культурного аспекта на формирование потребительского поведения, в котором визуальная и вербальная конгруэнтность рекламы и индивида положительно влияет на восприятие информации в интернет-рекламе. Работа американских ученых (William Flores, Jeng-Chung Victor Chen, William H. Ross [5]) посвящена A/B – тестированию рекламных объявлений в Интернете. Коллаборацией китайских и австралийских ученых (Zongda Wu, Guandong Xu, Chenglang Lu и другие [6]) разработан подход, в котором объявления выбираются не только согласно контекстной значимости, но и с учетом геолокации сайта, что повышает релевантность объявления и снижается стоимость клика по объявлению. Ученые из Тайваня (Teng-Kai Fan, Chia-Hui Chang [7]) предложили способ отбора фигур влияния с их персональными страницами в интернете для повышения релевантности объявлений на соответствующих позициях web-страниц в совокупности с интересами отдельных личностей. Это исследование показало повышение коэффициента кликабельности CTR (click-through rate) рекламных объявлений. Турецкие ученые (Gokhan Egri, Coskun Bayrak [8]) определили роль поисковых систем в выдаче страниц, релевантных запросам пользователей, показали, что стремление организации быть на высоких позициях в поиске и удовлетворять информационные запросы посетителей ведет к выигрышу в конкурентной борьбе. В исследовании внимание акцентировано на измерении времени посещения сайта, скорости загрузки страниц, снижении показателя отказов, количества просмотров страниц. Индийские ученые (Krishna Choudhari, Vinod K. Bhalla [9]) изучили видео сектор поисковой оптимизации (Video Search Engine Optimization (VSEO)) на видео-хостинге Youtube, определили зависимость повышения эффективности видео от использования актуальных и высокочастотных ключевых слов в заголовках, а также от размещения стенограммы видео-материала в описании к записи.[10] В настоящем исследовании будет проанализирована стоимость переходов из рекламных объявлений контекстной рекламы в поисковой системе Google.

Методы исследования

В работе использованы 16833 запроса с маской «оптовый» (данный запрос относится к рыку B2B) из них 2025 коммерческих, по которым рекламодатели показывают контекстно-медийную рекламу и 14808 запросов некоммерческих (по данным запросам нет данных по платному траффику в системе Google) по данным SEMRush за сентябрь 2017 г. Коммерческие запросы представляют интерес для исследования стоимости платного траффика по запросам (количество значений N=2025).

В работе использованы методы описательной статистики [в литературе множество работ посвященных описательной статистике [11] с помощью Excel [12]]: разброс данных до и после удаления аномалий, измеряемых в денежных единицах долларов США, графический метод ящик с усами, определен максимум и минимум, верхний квартиль, среднее арифметическое и медиана, нижний квартиль, среднеквадратическое отклонение, коэффициент вариации, стандартная ошибка средней, доверительный интервал средней, нижняя граница и верхняя граница.

Screenshot_6

Рисунок 1. Разброс данных до и после удаления аномалий

Таблица 1. Результаты описательной статистики

Screenshot_7

Определенные табличные значения характеризуют исследуемую выборку. На основе таблицы и анализа диапазонов стоимости кликов по рекламным объявлениям в поисковой системе Google можно устанавливать и корректировать ставку в контекстной рекламе в соответствии статистическими данным.

Средне значение стоимости за клик запросу пользователя в поисковой системе является среднее арифметическое, которое чувствительно к влиянию экстремальных значений – минимум (0,01) или максимум (4,02) и его значение смещается в сторону экстремальных значений стоимости за клик, следовательно, ориентироваться на данный показатель в случае большого разброса данных о стоимости большого смысла нет.

При определении соответствия стоимости за клик в контекстной рекламе в поисковой системе Google среднему рыночному значению, следует обратить внимание на значение медианы, которая отличается от среднего арифметического тем, что не чувствительна к чрезмерным выбросам – экстремальных минимальных и максимальных значений выборки.

Для определения значения рыночного коридора стоимости за клик по рекламному объявлению в контекстной рекламе, следует ориентироваться на ценовой диапазон между нижним (0,1) и верхним (0,3) квартилями, в котором сконцентрированы 50% исследуемых выборочных данных.

Мода – это наиболее часто встречающееся значение стоимости клика (0,16 долл.) в контекстной рекламе поисковой системы Google.

Screenshot_8

Рисунок 2. Сравнение распределения выборочных данных

Рисунок сравнения распределения выборочных данных показывает насколько отклоняется график распределения средней без аномалий от исходного распределения

Screenshot_9

Рисунок 3. Частота появления значений стоимости за клик по контекстной рекламе

На гистограмме (рис. 3) отображается частота появления значений стоимости клика в совокупной выборке. Диапазоны стоимостных значений сгруппированы согласно интервалам по оси X.

Заключение

На основе результатов исследования можно оптимизировать существующие контекстные рекламные кампании с целью удешевления стоимости перехода на целевой сайт рекламодателя. Дальнейшие действия по оптимизации контекстной рекламы следующие: редактирование ставок и рекламного бюджета, остановка неэффективных или нерентабельных ключевых слов и объявлений, добавление новых ключевых слов из поисковых запросов в естественной выдаче и цикличный анализ.

Литература

  1. Совершаева С. В. Контекстная реклама как инструмент интернет маркетинга на российском рынке: анализ основных систем размещения // Проблемы современной экономики. 2013. №1 (45) С.122-125.
  2. Прохоров А. В., Владимирская Е. Н. Концептуальная модель мультиагентной системы управления контекстной рекламой // ВЕЖПТ. 2010. №9 (46) С.44-52.
  3. Бабурин В. А. Особенности использования интернет-рекламы в сервисной деятельности // ТТПС. 2014. №3 (29) С.101-111.
  4. Lefa Teng, Nan Ye, Ying Yu, Xiaochuang Wu, Effects of culturally verbal and visual congruency/incongruency across cultures in a competitive advertising context, Journal of Business Research, Volume 67, Issue 3, March 2014, PP. 288-294. http://dx.doi.org/10.1016/j.jbusres.2013.05.015.
  5. William Flores, Jeng-Chung Victor Chen, William H. Ross, The effect of variations in banner ad, type of product, website context, and language of advertising on Internet users’ attitudes, Computers in Human Behavior, Volume 31, February 2014, PP. 37-47. http://dx.doi.org/10.1016/j.chb.2013.10.006.
  6. Zongda Wu, Guandong Xu, Chenglang Lu, Enhong Chen, Yanchun Zhang, Hong Zhang, Position-wise contextual advertising: Placing relevant ads at appropriate positions of a web page, Neurocomputing, Volume 120, 23 November 2013, PP. 524-535. http://dx.doi.org/10.1016/j.neucom.2013.04.018.
  7. Teng-Kai Fan, Chia-Hui Chang, Blogger-Centric Contextual Advertising, Expert Systems with Applications, Volume 38, Issue 3, March 2011, PP. 1777-1788. http://dx.doi.org/10.1016/j.eswa.2010.07.105.
  8. Gokhan Egri, Coskun Bayrak, The Role of Search Engine Optimization on Keeping the User on the Site, Procedia Computer Science, Volume 36, 2014, PP. 335-342. http://dx.doi.org/10.1016/j.procs.2014.09.102.
  9. Krishna Choudhari, Vinod K. Bhalla, Video Search Engine Optimization Using Keyword and Feature Analysis, Procedia Computer Science, Volume 58, 2015, PP. 691-697. http://dx.doi.org/10.1016/j.procs.2015.08.089.
  10. Анализ геозависимых запросов в поисковой системе Яндекс для привлечения абитуриентов в вузы // Практический маркетинг, №1 (239). 2017. СС.12-16.
  11. Стукач О.В. Программный комплекс Statistica в решении задач управления качеством: учебное пособие / О.В. Стукач; Томский политехнический университет. – Томск: Изд-во Томского политехнического университета, 2011. – 163 с.
  12. Александер Майкл, Куслейка Ричард. Формулы в Excel 2016.: Пер. с англ. — СПб.: ООО “Альфа-книга”, 2017. — 784 с.