Ссылка на драйв → https://drive.google.com/drive/folders/1TEL3yVT3gdrLB-_ClUIjn8CXgKErTc85?usp=sharing

Инструкция из докса

Подход к контекстной рекламе:

Инструкция по созданию лемма-отчёта

Для постройки отчёта по леммам, нужно обработать поисковые запросы в изначальную форму и разбить по словам. Если это делать через Excel, займет 2-3 часа. Мы упростили формирование отчёта через скрипт Python3. Чтоб обработать исходный файл, нужно установить Python3.

У пользователей Mac уже есть предустановлена версия Python 2.6. Но нам эта версия Python не подойдёт, там используется устаревший синтаксис. Устанавливать Python3 нужно будет лишь в первый раз. Если у вас уже установлен Python3, проигнорируйте инструкцию по установке и переходите к работе с самим скриптом.

Установка Python3 для Mac и Windows

Нам нужно установить Python3 чтоб мы смогли запускать на Mac скрипты, написанные на Python. На Mac компьютерах уже установлена старая версия — Python2.6, нам нужно записать поверх третью версию Python.

Для Windows и Mac Python3 скачиваем последнюю стабильную версию Python3 (на скриншоте это 3.6.5) со страницы www.python.org в секции «Download»:

Устанавливаем её со стандартными настройками. Все, Python3 установлен. Теперь по клику на файле *.py он будет запускать скрипт.

Подготовка исходных данных

Чтоб проанализировать влияние слова на конверсию, нам нужно скачать поисковые запросы. Выбираем поисковые рекламные кампании и переходим в статистику по этим кампаниям. Выбираем закладку «Поисковые запросы»:

Статистику выгружаем за весь период. Размер выгрузки ограничен 1 000 000 строк (больше не выгрузит сам Яндекс). Отмечаем чекбоксы как показано на скриншоте.

Скачиваем файл в *.csv и переименовываем его в in.csv.

Запуск скрипта

Скачиваем скрипт. Распаковываем архив в новую папку.

Скачиваем архив Mystem файла версии 3.1 и распаковываем в ту же папку. Для Мак — mystem-3.1-macosx.tar.gz. Для Виндовс — mystem-3.1-win-64bit.zip

Копируем in.csv файл, который мы скачали из Яндекс.Директа в эту папку..

Запускаем файл lemma_report.py. Ждем пока он обработает исходный файл. После обработки появится файл report_lemma_out.csv

В Маке нужно открыть файл через клик правой кнопку мыши → выбрать программу IDLE. В ней, когда откроется код, нажать F5 (или Run → Run module в меню). После этого код начнет работать.

Возможные проблемы

Если у вас windows 32-bit, и скрипт выдает ошибку, скачайте с сайта https://tech.yandex.ru/mystem/ 32-битную версию скрипта 3.0 и запустите скрипт заново.

Если мак не создает lemmo.csv откройте Terminal. С помощью команды cd (ls — чтоб посмотреть директории) откройте папку, где содержится скрипт и mystem.

Пример команды: cd Programming ← это команда маку, открой мне папку Programming.

Пример команды: ls ← это команда маку, покажи какие папки тут есть.

Когда доберетесь до папки где находится скрипт и mystem наберите: 

chmod 755 ./mystem

Сводная таблица в Excel

Если исходный файл был стандартный, сформированный по разделу «Подготовка исходных данных», тогда можно использовать отчёт-шаблон. Он находится в папке со скриптом и называется excel_lemma_report.xlsx.

Запускаем его и переходим в Power Query:

Выбираем «Рабочий файл» и загружаем туда получившийся файл report_lemma_out.csv. Кодировка должна быть UTF-8:

Нажимаем Save&Load и ждем загрузки всего файла. В итоге должно получится такая сводная таблица:

Min.CPA — это минимальный возможный CPA на текущий момент. Посчитано через бета-распределение.

Как работать с лемма-отчётом

Лемма-отчёт — это сводная таблица, которая поможет нам найти плохо работающие слова. Допустим, у нас есть теория, что слово «бесплатно» конвертируется. Строим лемма-отчёт и находим слово «бесплатный»

Согласно этому отчёту, слова, имеющие слово «бесплатный» конвертируются, но с высоким CPA. А вот слово «запись» совсем не конвертируется. Это кандидат на добавление в минус-слова.

Отчёт можно уточнить до кампаний (как слово работает относительно кампаний) и до поисковых фраз (какие поисковые фразы соответствуют этому слову).