Как мы с помощью аналитики подбирали блогеров для крупнейшей распродажи AliExpress и увеличили охваты на 142%

Задача: выбрать блогеров, которые дадут максимальный охват уникальной ЦА при фиксированном бюджете и оценить эффективность influence-маркетинга для AliExpress во время распродажи 11.11

Результат: оптимизировали охват на 142%, увеличили выручку на 18,1% и внедрили аналитику в процесс оценки бизнес-показателей influence-маркетинга
Сергей Бузилов

Руководитель digital-проектов AliЕxpress Россия

С какой задачей пришли пришли WildJam и AliExpress

В ноябре к нам обратились представители рекламного агентства WildJam и компании AliExpress с двумя задачами:

  1. Помочь эффективно использовать бюджет на рекламу акции «11.11» от AliExpress, отобрав блогеров с самым большим охватом уникальной ЦА.
  2. Провести посткампейн-аналитику и оценить эффективность influence-маркетинга для AliExpress во время кросс-канальной маркетинговой активности.

К тому моменту специалисты WildJam уже собрали лонглист из 70 блогеров. И провели предварительную оценку по стоимости, форматам размещения, аудитории, отношению к бренду и другим критериям. После чего встал вопрос: «Как выбрать среди них тех, кто принесет самые большие охваты ЦА при дешевом касании?»

Чаще всего дальше выбирают блогеров просто по цене. Это дает какой-то результат, но не прогнозируемый, потому что неизвестно, какая часть аудитории пересекается у выбранных блогеров. В таком случае правильно будет обратиться к данным: определить объем нужной ЦА у каждого блогера и цену за одного уникального подписчика из этой ЦА, что мы и сделали.
Период компании: 8 ноября —18 ноября 2020 года
Площадка: Instagram

* Instagram — проект Meta Platforms Inc., деятельность которой в России запрещена.

Как подошли к процессу

Прежде чем начать работу, нам важно было определить методологию сбора данных, их анализа, оценки эффективности и достоверности расчетов. Декомпозировали весь процесс по этапам и выделили четыре основных шага:

  1. Сбор данных и поиск нужной нам ЦА у каждого блогера из лонглиста.
  2. Анализ данных и определение самого эффективного микса блогеров по двум критериям — уникальные охваты ЦА и цена.
  3. Анализ результатов рекламной кампании после запуска.
  4. Проверка полученных данных и подтверждение эффективности influence-маркетинга для AliExpress.

В процессе мы решили воспользоваться парсерами для сбора открытых данных и собственной программой аналитики, которая позволяет производить сложные многомерные вычисления за несколько часов.

1. Определили объем ЦА у каждого блогера с помощью социальных сетей

На этапе сбора данных стояла задача — определить, сколько целевых подписчиков есть у каждого блогера. Мы выдвинули гипотезу о том, что самая лояльная аудитория может быть среди подписчиков группы AliExpress в социальных сетях. Спарсили более 3,7 млн подписчиков из группы и нашли их аккаунты в Instagram*. После этого проверили, кто из них подписан на блогеров из лонглиста WildJam, суммировали все данные и определили объем нужной нам уникальной ЦА у каждого из 70 блогеров.

* Instagram — проект Meta Platforms Inc., деятельность которой в России запрещена.

Так мы по соцсетям определили объем ЦА у каждого блогера

2. Загрузили данные в программу и вычислили комбинацию, которая дает +142% уникальных охватов

После сбора данных мы загрузили их в нашу программу аналитики, где заранее задали алгоритм вычислений, позволяющий найти самый эффективный микс блогеров с максимальным охватом уникальной ЦА.

Программа не просто исключает повторяющихся подписчиков и выбирает оставшихся по большим охватам, а проводит сложные многомерные вычисления, решающие NP-полную задачу оптимизации. Они помогают найти оптимальную комбинацию наиболее ценных элементов при заданных ограничениях. В нашем случае ограничение — это бюджет.

Путем перебора миллиарда возможных комбинаций мы отобрали 24 блогера, которые готовы разместить разные виды контента (сторис, видео, публикация), с общим охватом на 142% выше среднего.
Список блогеров мы передали агентству WildJam, они дальше полностью занимались запуском и контролем рекламной кампании распродажи «11.11» на AliExpress.

3. Описали методологию оценки эффективности

Сложность этого этапа в том, что не существует единых методик анализа данных в influence-маркетинге. Каждая компания ориентируется на свои метрики. Плюс всегда влияет человеческий фактор. Например, во время акции часто утекают промокоды и запускаются параллельные рекламные активности: ТВ, наружная реклама, digital и т. д. Мы учли это и использовали статистический метод оценки, подготовив две группы — тестовую и контрольную.

  • Тестовая — это уникальные подписчики блогеров из лонглиста, которые видели рекламный контент.
  • Контрольная — это подписчики похожих по контенту блогеров, которые не видели рекламу акции у наших блогеров.
Важно было собрать идентичные группы по полу, возрасту, средней покупательской способности, частоте покупок на AliExpress и другим характеристикам. В итоге у нас было две группы с одинаковым поведением до начала акции, разброс значений был меньше 0,1%.

После этого взяли данные по покупкам из CRM-системы AliExpress и сравнили поведение обеих групп через две недели после запуска акции.

4. Проверили результаты и доказали, что influence-маркетинг эффективен

Мы зафиксировали рост всех метрик в нашей тестовой группе во время акции «11.11» от AliExpress. Результаты были такие:
+4,6%
+8,8%
Число покупок за неделю
Количество заказов на человека
Средний чек заказа
Всего заказов
+8,4%
+4,1%

При этом общий оборот увеличился на 18,1%

Более того, мы обратили внимание на основные сегменты роста:

Эти данные помогли в дальнейшем планировать маркетинговые активности и оценивать их эффективность.

Результаты превысили изначальный KPI на 362%. Это перепроверили аналитики из AliExpress и подтвердили, что influence-маркетинг приносит ощутимый экономический эффект для компании, несмотря на параллельный запуск других рекламных форматов (ТВ, интернет-медиа, наружная реклама).

После этого мы представили наш кейс на престижной маркетинговой премии Effie Awards Russia и получили золото в категории Data-driven marketing.

Что AliExpress и WildJam говорят о нашей работе

  • Сергей Бузилов
    Руководитель digital-проектов AliExpress Россия
    «Мы еще не раз будем сотрудничать с WhoIsBlogger, потому что только такие глубокие исследования помогают прогнозировать и оценивать реальное влияние больших блогерских кампаний на бизнес-метрики».
  • Ярослав Андреев
    CEO WildJam
    «При работе с блогерами невозможно на 100% предсказать результат. Можно сделать интересную, но не эффективную рекламу. Так бывает из-за недостаточных данных по числу целевой аудитории у блогера и пересечениях с другими инфлюенсерами. Но ребята из WhoIsBlogger решили эту проблему, и в итоге рекламная кампания превысила KPI на 362%».
Как получить больше от аналитики в influence-маркетинге?

Поможем определить самые эффективные интеграции с блогерами, опираясь на реальные данные.