Case study: под капотом прайс-агрегатора Price.Ru

Профессионалы контекстной рекламы, равно как и владельцы Интернет-магазинов, знают: контекст для E-commerce - процесс трудоёмкий. И с каждым новым товаром сложность ведения рекламы значительно возрастает. Если в магазине несколько тысяч товарных позиций, необходимо создавать тысячи карточек товара, а затем подбирать для них сотни тысяч ключевых слов и составлять десятки тысяч объявлений. Но на создании объявлений работа специалиста не заканчивается: необходимо управлять ставками, следить за актуальностью объявлений, перепроверять весь ассортимент на наличие и улучшать показатели ROI и CPO.

Звучит непросто? Да. И в то же время любой ветеран контекстной рекламы, запустивший не один десяток рекламных кампаний, с этим сталкивался. Худо или бедно, но с поставленной задачей можно справиться при наличии должного опыта, развитой смекалки и хорошего багажа знаний. И, разумеется, “прямых” рук. Но даже “прямые руки” не помогут в том случае, когда необходимо работать с ассортиментом, состоящим из всех товаров Рунета. А это - ежедневная реальность ведущих прайс-агрегаторов.

С одной стороны, быть агрегатором проще - расходная часть значительно меньше, чем у стандартного Интернет-магазина. У прайс-агрегаторов нет складских помещений, шоу-румов или пунктов выдачи, они не переживают по поводу закупочной стоимости, достаточного количества SKU и курьерской логистики. При этом у них есть другой, не менее сложный пул задач по эффективной закупке трафика.

Трудоёмкость ведения контекстной рекламы для агрегатора в сотни раз больше по сравнению с любым другим E-commerce проектом. Эффективно управлять кампаниями, в которых реклама ведёт на несколько миллионов страниц, один человек (и даже специально обученный отряд рекламного спецназа) не в состоянии.

Есть ли выход из такой ситуации? Ещё несколько лет назад ответ на этот вопрос был бы отрицательным, но сегодня это возможно. Возьмём реальный пример агрегатора Price.ru, который смог справиться с этой задачей, используя пару тузов в рукаве.

Для начала, давайте разберемся, что из себя представляет Price.Ru сегодня:

Один из первых в России сайтов сравнения цен - почти 20 лет на рынке. В нём тысячи активных интернет-магазинов размещают свои товары. Это 20 000 000 (да, всё верно - двадцать миллионов) товаров из любой отрасли, которую только можно представить. В общем, если это товар, его можно продать через Интернет и условия его продажи не нарушают законодательство, - он есть на Price.ru.

На чём зарабатывает Price? На генерации трафика и заказов интернет-магазинам по модели CPC (оплата за клик).

Это значит, что с одной стороны, мы имеем 20 000 000 товаров, которые ищут пользователи, с другой стороны, у нас тысячи магазинов, которые готовы эти товары продавать. В данном случае миссия агрегатора – помочь покупателям найти продавцов, заработав на посредничестве.

Рисунок 1 – Бизнес-задача схематично

Поскольку экономика прайс-агрегаторов отличается от экономики стандартных интернет-магазинов, задача перед ними стоит необычная. Нужно увеличивать количество трафика из контекстной рекламы так, чтобы канал был на грани самоокупаемости - оптимальным считается ROI от 0 до 5%. Такие задачи ставятся для того, чтобы агрессивно захватывать рыночную долю: несмотря на то, что прайс-агрегатор ничего не зарабатывает, при ROI в 0% он ничего и не теряет. Учитывая постоянно увеличивающийся объём трафика и растущие рекламные расходы, несложно догадаться, что в нужный момент можно принять стратегическое решение увеличить показатель возврата инвестиций и заработать больше на уже выросшей массе пользователей.

Построение сквозной аналитики

Для того, чтобы ориентировать рекламу на ROI, мы должны сначала научиться грамотно его подсчитывать. Когда в ассортименте всего несколько сотен товаров, понять рентабельность можно путём несложных подсчётов, сделанных “на коленке”. Но для прайс-агрегаторов такой подход не работает: массив в 20 миллионов товаров очень сложно быстро привести к единому знаменателю. Здесь не поможет практически никакая разбивка на единицы коммерческого смысла (например, категории товаров или отдельные группы). В нашем случае, чтобы контролировать уровень окупаемости и иметь возможность проводить оптимизацию ставок с учётом ROI, нужно получать значения ROI по каждому ключевому слову. Стоит ли говорить, сколько ключевых слов придётся при этом анализировать?

Более того, ситуация осложнена тем, что привычный для историй с малым количеством трафика метод учёта конверсий через Google (сайт нарушает закон РФ) Analytics не срабатывает - на больших объёмах он выдаёт очень сильную погрешность, теряя до 60% данных. Это связано с ограничениями стандартной версии Analytics.

Задача, впрочем, решаема: нужно воспользоваться системой автоматизации, которая может сводить данные о затратах и кликах от Яндекс Директ и Google (сайт нарушает закон РФ) AdWords с данными о доходах. Они подтягиваются из внутренней биллинговой системы Price.Ru и на их основании динамически изменяются ставки по ключевым словам. Процесс выбора системы был основан на следующих соображениях:

«При выборе системы автоматизации контекста у нас было три критерия,– комментирует Ольга Ивашина, директор по маркетингу Price.Ru. – Во-первых, отказоустойчивость на наших объемах. Во-вторых, готовая интеграция не только с Яндекс.Директ, но и с Google (сайт нарушает закон РФ) AdWords. В-третьих, высокий уровень клиентского обслуживания. По всем этим критериям Alytics значительно опередил аналоги».

После выбора системы автоматизации дело остаётся за малым: подключить все аккаунты в контекстных рекламных системах и провести интеграцию с внутренней системой учёта доходов прайс-агрегатора. Это несложно, самое интересное - впереди.

Привлечение трафика из контекста

С точки зрения контекстной рекламы гигантский ассортимент прайс-агрегаторов имеет одно преимущество - большое количество товаров позволяет охватить множество недорогих и эффективных ключевых фраз. Можно составить большое семантическое ядро из низкочастотных запросов (это редкие запросы, которые пользователи вводят всего несколько раз в месяц). Так появляется рычаг, позволяющий делать контекстную рекламу дешёвой и эффективной.

Первое, что для этого нужно сделать – запустить товарную рекламу. Особенность товарной рекламы заключается в том, что под каждую карточку товара подбираются ключевые слова, затем под них пишутся адаптивные объявления (каждому - своё), а в качестве страницы приземления берется сама карточка товара.

Товарная реклама даёт ряд преимуществ:

• низкая цена клика;
• очень целевой трафик;
• большой охват за счет гигантского семантического ядра;
• высокий CTR;
• высокая конверсия, т.к. пользователи находятся на последнем шаге принятия решения о покупке.

Рисунок 2 - страница карточки товара

Стоит отметить, что Price.Ru в контекстную рекламу выгружает не все товары, а только часть - это около 1 000 000 позиций. Это, опять же, решается довольно быстро - система автоматизации генерирует объявления по заданным правилам и параметрам, затем загружает их в системы контекстной рекламы, отслеживая активность объявлений и отключая показы для тех товаров, которые исчезли из продажи. Ну и, конечно, ежедневно генерируя объявления для вновь появляющихся товаров.

Механизм автоматизации выглядит следующим образом:

1. на основе каталога товаров формируется YML-файл. YML (сокращённо от Yandex Market Language) - это несколько видоизменённый XML файл, работающий по формату Яндекс.Маркет. В данный файл попадают только карточки товаров с активными ссылками на магазины;
2. после формирования файла он загружается в Alytics, где генерируются объявления по заданным шаблонам;
3. сгенерированные объявления автоматически загружаются в Google (сайт нарушает закон РФ) и Яндекс с проставлением UTM-меток, используемых для сбора статистики.

Рисунок 3 – Схема автоматизации товарной рекламы

Но даже эта на вид простая операция таит в себе массу “граблей”, на которые можно легко наступить. Во-первых, система автоматизации должна уметь справиться с большим массивом данных. Сначала ей нужно пропарсить все товарные позиции в файле YML. Если очередь парсинга не оптимизирована, может одновременно происходить 300 параллельных процессов. Это уже сильная нагрузка на систему, но только начало наших испытаний. После каждого парсинга в базу записывается миллион… стоп, два миллиона объявлений (по одному на Яндекс и на Google) (сайт нарушает закон РФ). Если заранее не продумать архитектуру автоматизации и не распределить нагрузку, система может просто рухнуть. В лучшем случае, она будет сильно тормозить, что сводит на нет часть её функций.

Ладно, представим, что и этот этап пройден успешно. Теперь системе нужно проделать два миллиона операций в обратную сторону - достать объявления из базы и загрузить их на площадку. Иногда API рекламной системы может воспротивиться большому количеству параллельных потоков и перестать принимать запросы. А без применения большого количества параллельных потоков может зависнуть сама система.

Допустим, мы справились и с этой задачей. Объявления генерируются и ставки регулярно обновляются. После этого можно создавать кампании не только под страницы карточек товаров, но и под:

• категории каталога (Автомобильные видеорегистраторы – рисунок 4)

Рисунок 4 - ветка каталога одной категории

• категории каталога с привязкой к бренду (Ноутбуки Packard Bell – рисунок 5).

 

Рисунок 5 - ветка каталога с сортировкой по бренду «Ноутбуки Packard Bell»

И всё бы хорошо, да вот только iPhone (и любой другой товар) могут искать по-разному:

• apple iphone 5 16 гб;
• айфон 5 16 гб;
• айфон 5 16 гб цена;
• купить эйпл афон 5;
• купить ifone.

 

Рисунок 6 - поисковая выдача

Видно, что в результаты поиска подмешиваются ссылки на товарные карточки Price.Ru. Технически такие “подмесы” в выдачу формируются в несколько этапов.

Первый этап - это взаимодействие сервисов Price.Ru и поисковой системы Рамблер. Суть заключается в том, что на Price.ru установлена поисковая машина, которая неплохо умеет искать, даже если пользователь вводит не прямой запрос, а синоним. И когда пользователь набирает в Рамблер товарный запрос, автоматически происходит обращение к поисковой машине Price.Ru, которая находит товары и отдает их в поисковую выдачу.

После того, как страница выдачи сгенерировалась, Price.Ru проверяет, насколько релевантную выдачу он отдал по синониму. Выдача считается релевантной, если удовлетворяет двум условиям:

• из поисковой выдачи пришло не менее 15 посетителей, и конверсия в переходы в магазины не менее 50%.

 

Рисунок 7 – Схема автоматического подбора синонимов

В случае, если синоним оказался релевантным и пользователи активно по нему переходят, он добавляется в файл YML в качестве синонима к конкретному товару. За счёт этого семантическое ядро растёт и множится. Вроде бы всё хорошо. Но есть один нюанс: со временем синоним может стать нерелевантным товару. В таком случае он автоматически убирается из семантического ядра.

Общая “схема жизни” синонима выглядит так: верные синонимы с привязкой к соответствующему товару генерируются автоматически через YML и Alytics, а затем загружаются в системы контекстной рекламы. Синоним привязывается к товару, который находится в выдаче Price на первом месте. Затем синоним постоянно анализируется на предмет актуальности, и в случае признания его ошибочным удаляется из активного семантического ядра.

Стоит отметить, что синонимы проверяются не только автоматически, но и вручную - но только после выгрузки в систему контекстной рекламы. Специалист по контекстной рекламе в ручном режиме постепенно просматривает аккаунты Яндекс.Директ и Google (сайт нарушает закон РФ) AdWords и вычищает некачественные ключевые фразы. К слову, доля таких “плохих фраз”, отобранных вручную, не превышает 5%.

В сухом остатке

На примере Price.ru мы видим, что работа с контекстной рекламой становится затруднительной, если нужно продвигать десятки и сотни тысяч товаров одновременно. Данные теряются, а обновлять такое количество объявлений вручную не представляется возможным. После тесной интеграции внутренних сервисов с системой автоматизации проблема исчезает. Появляются новые задачи - каким образом автоматизировать подбор синонимов к сгенерированным запросам? Для этой задачи можно использовать алгоритмы поисковых систем, которые на основе машинного обучения подбирают карточку товаров, релевантные поисковому запросу. Если полученные данные подтверждают релевантность выдачи, то синоним добавляется в семантическое ядро контекстной рекламы.

Всё это, конечно, замечательно и высокотехнологично, но есть ли от подобных танцев с бубнами какая-либо польза для закупающих большое количество трафика агрегаторов? Выясняется, что есть. Результат вышеописанных действий:

• уменьшение времени  и трудозатрат. Да, метрика вроде непонятная и трудноизмеримая. Но стоит лишь подумать о поставленных задачах, а затем рассчитать ФОТ, необходимый для их решения, экономия сразу становится понятной и осязаемой;
• рост семантического ядра. Как мы уже упоминали выше, если хорошо составить большое семантическое ядро, можно легко и дёшево привлечь большое количество высокоцелевого трафика. Результат работы с автоматизацией подбора синонимов для 1 000 000 товаров следующий: и без того массивное семантическое ядро выросло в 3 раза за один месяц;
• количество трафика выросло в 2,6 раз за один месяц. И не просто выросло, но и не повлияло на конечный ROI, оставшийся в пределах 5%.

Автор: Александр Егоров.  Директор по развитию Alytics Опыт в контекстной рекламе - 10 лет. Практик с очень большим опытом ведения контекстной рекламы по CPA и ROI. За плечами контекстная реклама для: Price.ru, Московский Кредитный Банк, авиакомпаний Аэрофлот и SkyExpress, тур-операторов Pegas, DSBW и TezTour, Сервис КупиКупон, Связной Банк, Saxo Bank, ЦУМ, МИАН, издательство Ferra, магазин Finn Flare.