Актуальной задачей при расчете бюджета рекламной кампании является распределение средств между видами рекламных мероприятий – источниками массовой информации.
Поскольку при решении этих задач приходится сталкиваться с многокритериальной оптимизацией, целесообразно использование компьютерных программных продуктов (в частности средств Excel) для работы с математической моделью рекламной кампании. В основе анализа линейной математической модели часто используется симплексный метод, при этом поиске оптимального решения вариации подвергается одна группа переменных.
Актуальность моделирования любых экономико-управленческих процессов заключается в возможности по ее результатам осуществлять прогнозирование развития этих процессов и осуществлять адекватное управление ими.
Поисковая оптимизация (SEO)
Теория Google [2] утверждает, «если Страница A ссылается на страницу B, то Страница А считает, что Страница B – важная страница. Текст ссылки не используется в PageRank. PageRank также влияет на важность ссылок на страницу. Если на страницу указывают много важных ссылок, то ее ссылки на другие страницы также становятся более важными». Таким образом, чем больше сайтов ставят на конкретный сайт ссылок тем больше вес («важность») этого сайта, и это повышает рейтинг и позицию при выдаче сайтов при поиске информации в поисковике пользователем Интернет.
PageRank (PR) – это метод поисковой системы Google для измерения «важности» страницы. Когда все другие факторы, такие как заголовки страниц и ключевые слова учтены, Google использует PageRank, чтобы откорректировать результаты так, что более «важные» сайты поднимутся соответственно вверх на странице результатов поиска пользователя. Ниже приведены формула расчёта PR:
PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)),
где PR(A) – это вес PageRank страницы A (тот вес, который нужно вычислить), D – это коэффициент затухания, который обычно устанавливают равным 0,85, PR(T1) – вес PageRank страницы, указывающей на страницу A, C(T1) – число ссылок с этой страницы, PR(Tn)/C(Tn) означает, что мы делаем это для каждой страницы, указывающей на страницу A.
Принято считать, что PR находится в диапазоне от 1-10 как это показано в таблице.
|
Значение PageRank между |
Значение |
|
0,00000001 и 5 |
1 |
|
6 и 25 |
2 |
|
26 и 125 |
3 |
|
126 и 625 |
4 |
|
626 и 3125 |
5 |
|
3126 и 15625 |
6 |
|
15626 и 78125 |
7 |
|
78126 и 390625 |
8 |
|
390626 и 1953125 |
9 |
|
1953126 и бесконечностью |
10 |
ТИЦ(CY) – тематический индекс цитирования – рассчитывается для сайта в целом и показывает авторитетность ресурса относительно других, тематически близких ресурсов (а не всех сайтов Интернета в целом). ТИЦ используется для ранжирования сайтов в каталоге Яндекса и не влияет на результаты поиска в самом Яндексе.
Алгоритм расчёта стоимости ссылки с главной страницы [3]
Частичная зависимость цены от PR:
Частичная зависимость цены от ТИЦ:
Итоговая зависимость цены от PR и ТИЦ:
S(PR,CY):=0,9A(PR)+B(CY)
Обозначим количество внешних ссылок на странице переменной К. Тогда выражение для итоговой стоимости с учетом количества внешних ссылок будет имет вид:
S(PR,CY):=M(0,9A(PR)+B(CY)),
где М – коэффициент, рассчитываемый в зависимости от числа внешних ссылок.
Алгоритм расчёта стоимости ссылки с внутренней страницы:
Найдем Зависимость цены от PR и ТИЦ. Обозначим количество внешних ссылок на странице переменной К. Тодга выражение для итоговой стоимости с учетом количества внешних ссылок будет имет вид:
Sm(PR, CY):=MЧS(PR,CY)
где М – коэффициент, рассчитываемый в зависимости от числа внешних ссылок.
Контекстная реклама [2]
Контекстная реклама действует избирательно и отображается посетителям интернет-страницы, сфера интересов которых потенциально совпадает/пересекается с тематикой рекламируемого товара либо услуги, целевой аудитории, что повышает вероятность их отклика на рекламу.
Для определения соответствия рекламного материала странице интернет-сайта обычно используется принцип ключевых слов. На ключевые слова ориентируются и поисковые системы. Поэтому контекстная реклама с большей вероятностью будет продемонстрирована потребителю, который использует сеть Интернет для поиска интересующей информации о товарах или услугах.
Почти все поисковые машины в сети Интернет используют системы контекстной рекламы для получения прибыли (например, рекламная сеть Google AdWords является источником прибыли компании Google). Системы контекстной рекламы позволяют размещать рекламу как на страницах с результатами поиска по определенным ключевым словам, так и на сайтах, установивших блоки контекстной рекламы на своих страницах.
Основным фактором успешности проведения рекламной компании данным методом является конверия. Конверсия – это процент пользователей, прошедших определенные этапы на пути к покупке.
CTR – Это конверсия показов в клики, иными словами, если ваше объявление увидели 1000 человек, при этом заинтереовались этой рекламой и кликнули 35 человек, ваш CTR равен 3.5 %.
В итоге формула количества привлеченных клиентов выглядим следующей:
Vi(direct) = Количество показов * CTR * конверисию сайта * конверсию менеджера.
Теперь передем к количеству показов. Что бы человек попал на сайт, он сначала должен увидеть наше объявление, и клинкуть на него. А еще перед этим, он должен набрать поисковый запрос в яндексе, гугле или других поисковых системах. Тут появляется необходимость грамотно подобрать поисковые запросы, надо подумать, что могут искать ваши клиенты в интернете, например:
По ключевому слову «веб-дизайн» на поисковой системе «N» имеются 25 сайтов-рекламодателей контекстной рекламы.
Необходимо выбрать 4 сайта для показа их контекстной рекламы в результатах поисковых запросов.
Сколько существует способов это сделать при условии что у всех установлен одинаковый порог максимальной ставки ?
Первый сайт может быть выбран из любых 25 сайтов-участников. Второй сайт – любой из оставшихся 24, третий – любой из оставшихся 23, четвертый – любой из оставшихся 22, т.е.: n1=25, n2=24, n3=23, n4=22. По правилу произведения общее число способов выбора четырех сайтов: n1n2n3n4 = 25х24х23х22 = 303 600.
Сравнение стоимости продвижения сайта[7]
Определим объем потенциальных сделок с покупателем, зашедших на сайт через топ-строчки поисковиков как Vi(seo). А полные затраты на поисковую оптимизацию как E(seo).
Определим объем потенциальных сделок с покупателем, зашедших на сайт через контекстную рекламу как Vi(direct). А полные затраты на контекстную рекламу как E(direct).
Формулировка «на периоде 1 год seo-оптимизация сайта выгоднее контекстной рекламы в терминах удельной стоимости полезного честного перехода на сайт» выражается неравенством:
E(seo)/Vi(seo)<,E(direct)/Vi(direct)
Если все члены не отрицательны и не равны нулю, то затраты на поисковую оптимизацию E(seo) должны быть меньше, чем E(direct)*Vi(seo)/Vi(direct):
E(seo) < E(direct)/Vi(direct)* Vi(seo)
Осталось перейти от объемов потенциальных сделок к переходам на сайт, идентифицируемым однозначно по источнику – поисковой оптимизации (seo) или контекстной рекламе (direct). Зависит ли наше ассортиментное предложение Vm от выбранного нами вида продвижения – нет. Зависит ли вероятность покупки P от выбранного нами вида продвижения – нет. Возможно, от выбранного нами вида продвижения зависит соотношение кликов N потенциальных покупателей N(Vi) и пустых кликов N(0) со стороны пользователей с нулевым потенциалом покупки Vi=0. Пусть оно будет разным и выражаться параметром R=N(Vi)/(N(Vi)+N(0)) соответственно для поисковой оптимизации R(seo) и контекстной рекламы R(direct). Наше неравенство теперь выглядит так:
E(seo) < E(direct)/(N(direct)*R(direct))*(N(seo)*R(seo)).
После несложных преобразований получаем
E(seo)/(N(seo)<,(E(direct)/(N(direct)))*(R(seo)/R(direct)
Таким образом удельные полные затраты на вновь приобретенный клик из поисковика E(seo)/N(seo) должны быть меньше, чем стоимость клика с контекстной рекламы E(direct)/N(direct) с точностью до соотношения пустых кликов R(seo)/R(direct).
Заключение
При одинаковых бюджетах, достаточных для вывода сайта в топ 15 поисковая оптимизация выгоднее контекстной рекламы при условии, что удельные полные затраты на один переход с поисковика E(seo)/N(seo) меньше стоимости одного перехода с контекстной рекламы E(direct)/N(direct) с точностью до соотношения пустых и полезных переходов R(seo)/R(direct), где R=N(Vi)/(N(Vi)+N(0)) для каждого из видов продвижения в интернет:
N(seo) > E(seo)*N(direct)/E(direct)*R(direct)/R(seo)