Data Analyst — аналитика данных и кейсы

28.04.2025

Аналитика Power BI. Анализ эффективности рекламы Яндекс.Директ

Стек:

  • BI
  • Python
  • DAX
  • M

Цель проекта и его значение для бизнеса

Проект был инициирован более 3 лет назад с целью улучшения продаж межкомнатных и входных дверей, включая доставку и установку. За это время ассортимент расширился, появились новые категории продукции, что привело к увеличению объемов данных. Задача аналитики заключалась в выявлении скрытых закономерностей, которые могли быть упущены стандартными инструментами аналитики. Были использованы Яндекс.Метрика и отчеты Яндекс.Директ, однако из-за сложности и объемности данных не всегда удавалось эффективно анализировать всю информацию.

Основная цель исследования в Power BI заключалась в:

  • Сборе и структурировании данных о рекламных кампаниях для более детального анализа.
  • Выявлении закономерностей, влияющих на эффективность рекламы, и предложении путей для оптимизации.
  • Определении наиболее прибыльных сегментов аудитории и оптимизации рекламных расходов.

Выгоды для бизнеса и выявленные закономерности

  1. Сегментация по условиям показа и типам площадок
кейсы по Power BI

Анализ показал, что сегмент "условия показа" имеет высокую цену конверсии, но при этом низкий расход. Это может быть связано с тем, что в этом сегменте не было достаточно трафика. Рекомендация: увеличить трафик на этот сегмент.

Кроме того, товарные объявления в поиске и сетях с низкой ценой конверсии не получали достаточно трафика. Рекомендация: увеличить трафик по товарным объявлениям.

2. Оценка эффективности заголовков
кейсы по Power BI

Были проанализированы заголовки по CPA (стоимость конверсии). Выявлены неэффективные заголовки, которые потребовали изменений, а также те, которые показали хорошую эффективность.

3. Анализ эффективности по регионам
кейсы по Power BI

Выявлены проблемы с динамикой заказов в Мурманске, что связано с падением расхода на рекламу. Рекомендация: провести дополнительные мероприятия для повышения эффективности в этом регионе.

4. Оценка эффективности по дням недели
кейсы по Power BI

Анализ показал, что в выходные дни конверсии стоят дороже, и их количество ниже. Рекомендация: снизить ставки на выходных и перераспределить бюджет на будние дни для оптимизации расходов.

Основные шаги проекта

1. Сбор и подготовка данных

Для анализа были выгружены данные из личного кабинета Яндекс.Директ за весь доступный период, с детализацией по дням. Массив данных был разделен на несколько файлов по месяцам, что позволило избежать перегрузки и ошибок при обработке больших объемов данных.

2. Обработка данных

Основными параметрами, которые использовались для анализа, стали:
Дата, кампания, группа объявлений, тип устройства, пол и возраст аудитории, регион, тип площадки, конверсии и расходы.
Для улучшения структуры был добавлен столбец "Конверсии", который суммировал два целевых события: звонки и отправки форм.
3. Создание дополнительных столбцов:

  • Год-месяц: для удобства группировки данных по временной шкале.
  • Регион: для улучшения группировки данных по географическим регионам.
  • Ссылка на страницу: форматирование для упрощения дальнейшего анализа.

Также были добавлены дополнительные столбцы для анализа по типам устройств и половой принадлежности аудитории. Эти данные были получены из Яндекс.Метрики и использовались для более детального анализа.

В результате обработки данных был получен структурированный набор данных, который позволил провести более глубокий анализ.

4. Валидация данных
В процессе проверки данных было установлено, что конверсии стали доступны только с октября 2022 года. Поэтому период с января по сентябрь 2022 был исключен из анализа. Также были проведены корректировки для учета различий в подсчете конверсий между Яндекс.Директ и Яндекс.Метрикой. В результате валидации были выявлены и исправлены ошибки, что позволило получить более точные данные для анализа.

5. Анализ данных
Анализ данных проводился с использованием Power BI. Были созданы различные визуализации, которые позволили выявить закономерности и тренды в данных.
Основные визуализации включали:
- Графики по дням недели и месяцам для оценки динамики заказов и расходов.
- Диаграммы для оценки эффективности по регионам и типам устройств.
- Таблицы для сравнения эффективности различных рекламных кампаний и групп объявлений.
- Графики для оценки динамики конверсий и расходов по времени.
- Диаграммы для оценки эффективности по полу и возрасту аудитории.
- Графики для оценки динамики конверсий и расходов по времени.