项目经理 Artics Internet Solutions 奥克萨娜·杰缅季耶娃 和 公司网络分析师康斯坦丁·鲁坚诺克 分享了如何以一家时尚类在线商店为例，高效解决广告活动优化任务的经验。
管理涉及多渠道、超百万关键词的大型电商账户，离不开自动化与优化系统。其核心目标是在既定指标内提升效率，初始出价和竞价策略由专家设定。为助专家迅速应对变化并做出正确判断，需建立自动化数据监控系统。绩效营销与技术紧密相连，因此我们高度重视新技术测试及最佳工具的寻找。
近期，我们开始使用备受关注的 Power BI。现分享选择该工具的原因，并以时尚类在线商店为例说明具体应用方式。
选择自动化报表工具
若仅涉及单一渠道，收集电商统计数据并生成报表可直接在 Google Analytics 中完成。但因数据来源众多且部分支出数据无法导入 GA，必须借助第三方工具。
长期以来，我们像许多人一样使用 Microsoft Excel 解决问题，但随时间推移发现其局限：
- 可视化功能有限，难以动态查看数据及追踪参数关联，界面繁杂；
- 无法全面连接所有数据源（如 MySQL 等数据库需额外配置）；
- 无法将文件发布至云端并设置访问权限。
我们需要新工具汇总支出与电商数据，并按所需维度展示。经研究市场现有技术，候选名单如下：
- Google DataStudio;
- Tableau;
- Microsoft Power BI;
- PeriscopeData;
- Chartio.
选择标准包括：产品成本、构建报告时数据模型操作的简便性、新手专家的入门门槛及代表性。
最终选择 Power BI，因它是唯一具备以下优势的工具：
- 支持导入第三方小部件；
- 支持使用 R 语言进行数据可视化；
- 可轻松过渡到 Excel（数据模型操作原理相似）；
- 拥有包含付费版全功能的免费版本，允许测试工具。
构建报告的数据模型
我们通过自研工具收集各渠道按活动细分的支出数据。使用 Power BI 前，需规划账户结构和活动命名模板。
关键细分因素包括：
- 活动地域；
- 活动类型；
- 产品类别；
- 产品子类别。
基于此分类，活动命名采用模板：GEO[Activity Type]Category:Subcategory。在 UTM-campaign 中，通过自动打标签传递活动标识符，并纳入支出数据表。
分析报告数据
Power BI 可构建多种报告。以下以时尚类在线商店为例，展示如何利用报告解决问题。
- 根据关键绩效指标优化活动
GA 数据显示约 18% 的活动未产生交易，日均支出 100-200 卢布。虽难确定低活跃度原因，但需明确能否根据 CRR 等 KPI 优化活动，识别零利润活动及组别。
为此，我们在 Power BI 中构建了按交易数量细分活动的报告：
随后将活动划分为子类别，以便查看问题活动并及时调整设置：
之后，在活动中增加额外分组：
最终获得的报告可评估每个子类别对绩效指标的影响，快速响应商品组需求下降，并更精准地影响 CRR。
- 商品类别的季节性
商品类别呈现明显季节性特征。因配送耗时两周至一个月，需提前为新季节做准备。
为评估全年动态变化，我们在 Power BI 中构建了以下报告：
随后将数据细化为按类别划分的月度收入分布：
借助此报告，我们跟踪了在线商店内部季节性变化情况。
- 按获客成本对产品进行排序
活动优化需考虑不同商品组的定价差异。例如，外套类目平均订单金额较高，获取订单的成本可能高于 T 恤类目。
为此，我们按收入和点击量可视化商品组，获得以下报告以直观对比商品表现：
- 为客户生成报告
除专家优化使用的报告外，也可通过 Power BI 为客户构建报告。
客户关注报告中反映任意切片下的活动实际与计划指标，及其随时间的动态变化：
最后强调，管理大型广告活动离不开自动数据监控系统。借助该系统，可构建各类报告、监控变化并及时响应。我们展示了使用 Power BI 解决自身任务的方法。市场上存在大量多样化技术可供选择，建议根据自身需求挑选最适合的方案。